sklearn.datasets中make_classification函数

make_classification 是 sklearn.datasets 模块中的一个函数,用于生成一个用于分类任务的虚拟数据集。它允许你生成具有指定特征、类别和噪声等属性的人工数据集,通常用于测试和演示机器学习算法。

语法

python 复制代码
from sklearn.datasets import make_classification

make_classification(n_samples=100, n_features=20, n_informative=2, n_redundant=2,
                     n_classes=2, n_clusters_per_class=2, weights=None, flip_y=0.01,
                     class_sep=1.0, hypercube=True, shift=0.0, scale=1.0, shuffle=True,
                     random_state=None)

参数说明

  • n_samples : 样本数量,默认值是 100。决定数据集中的样本数。
  • n_features : 特征数量,默认值是 20。生成的特征的总数。
  • n_informative : 有信息的特征数量,默认值是 2。这些特征对目标变量有实际影响。
  • n_redundant : 冗余特征的数量,默认值是 2。这些特征是从现有的有信息特征中线性组合而来,不提供额外的有用信息。
  • n_classes : 类别数,默认值是 2。目标变量的类别数量。
  • n_clusters_per_class : 每个类别中的簇数,默认值是 2。用于定义类别的分布。
  • weights : 每个类的样本权重,默认值是 None。可以用来设置每个类别的样本比例。
  • flip_y : 标签的随机噪声比例,默认值是 0.01。可以用来模拟标签中的噪声。
  • class_sep : 类别之间的分隔度,默认值是 1.0。较大的值意味着类别之间更容易分开,较小的值会导致类别重叠。
  • hypercube : 是否生成超立方体形状的特征空间,默认值是 True。
  • shift : 对生成的特征进行平移,默认值是 0.0。
  • scale : 对生成的特征进行缩放,默认值是 1.0。
  • shuffle : 是否打乱样本顺序,默认值是 True。
  • random_state: 随机数生成器的种子,用于控制结果的可重复性。

返回值

返回一个元组 (X, y),其中:

  • X 是生成的特征矩阵,形状为 (n_samples, n_features)。
  • y 是目标变量的标签数组,形状为 (n_samples,)。

示例

1. 基本示例

生成一个包含 100 个样本、2 个特征、2 个类别的简单分类数据集:

python 复制代码
from sklearn.datasets import make_classification

X, y = make_classification(n_samples=100, n_features=2, n_classes=2, random_state=42)

print(X.shape)  # 输出 (100, 2)
print(y.shape)  # 输出 (100,)
2. 更多控制

生成 1000 个样本,20 个特征,其中 5 个是有信息的,3 个是冗余的,类别之间有噪声:

python 复制代码
X, y = make_classification(n_samples=1000, n_features=20, n_informative=5, 
                            n_redundant=3, n_classes=3, flip_y=0.05, random_state=42)

print(X.shape)  # 输出 (1000, 20)
print(y.shape)  # 输出 (1000,)
3. 自定义类别分布

自定义类别的样本分布(例如,使类别 0 和类别 1 更为不平衡):

python 复制代码
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, 
                            weights=[0.9, 0.1], random_state=42)

print(y[:20])  # 输出样本标签,类别不平衡

应用场景

  • 测试和验证模型:生成用于分类任务的模拟数据,帮助评估不同分类算法的效果。
  • 教学和演示:用于机器学习教程和课堂教学,展示如何处理不同的分类问题。
  • 算法调试 :当你需要一个已知的、有控制特征的数据集来调试或调整机器学习模型时,make_classification 是一个很好的工具。

通过 make_classification,可以快速生成多样的人工数据集,以适应不同的机器学习实验。

相关推荐
ch62316 分钟前
🚀 从零构建本地文档智能审查 Agent:Vibe Coding 实战指南
python
71777720 分钟前
互联网企业研发平台推荐:从工具堆叠到一体化协同的选型逻辑
人工智能·gitee
立青.42 分钟前
AI大模型术语
人工智能
摇滚侠1 小时前
《On Java 中文版 基础卷》阅读笔记 接口 18
java·笔记·python
电科_银尘1 小时前
【大模型算法与工程 27】训练配方:批量、学习率、精度与梯度裁剪
学习·算法·机器学习
Thanks_ks1 小时前
AI Agent 开发入门:用 Function Calling 让大模型学会 “动手干活”,附订单查询机器人实战
python·ai·大模型·openai·agent·通义千问·mcp
专注仿真2 小时前
智能体训练之模仿学习:GAIL 算法详解与实战
python·算法·仿真·多智能体强化学习·afsim智能体训练
databook3 小时前
处理一批 PDF,怎么算真的处理完了
后端·python
土豆12503 小时前
你只说要什么,它负责拆活交付:任务编排插件上手指南
人工智能·llm