生成 Hastie 等人 2009 年例 10.2 中使用的二元分类数据#

sklearn.datasets.make_hastie_10_2(n_samples=12000, *, random_state=None)[source]#

生成 Hastie 等人 2009 年，例 10.2 中使用的二元分类数据。

十个特征是标准独立的高斯分布，目标 y 由以下公式定义：

y[i] = 1 if np.sum(X[i] ** 2) > 9.34 else -1

更多信息请参阅 用户指南。

参数：
n_samplesint, default=12000

样本数量。

random_stateint, RandomState instance or None, default=None

确定数据集创建的随机数生成。传递一个整数以在多次函数调用中获得可重复的输出。参见 词汇表。

返回：
Xndarray of shape (n_samples, 10)

输入样本。

y形状为 (n_samples,) 的ndarray

输出值。

另请参阅

make_gaussian_quantiles

此数据集方法的推广。

参考文献

[1]

T. Hastie，R. Tibshirani 和 J. Friedman，“统计学习要素 第2版”，Springer，2009。

示例

>>> from sklearn.datasets import make_hastie_10_2
>>> X, y = make_hastie_10_2(n_samples=24000, random_state=42)
>>> X.shape
(24000, 10)
>>> y.shape
(24000,)
>>> list(y[:5])
[np.float64(-1.0), np.float64(1.0), np.float64(-1.0), np.float64(1.0),
np.float64(-1.0)]