生成稀疏不相关数据

sklearn.datasets.make_sparse_uncorrelated(n_samples=100, n_features=10, *, random_state=None)

生成具有稀疏不相关设计的随机回归问题。

此数据集在 Celeux 等人 [1] 中描述为

X ~ N(0, 1)
y(X) = X[:, 0] + 2 * X[:, 1] - 2 * X[:, 2] - 1.5 * X[:, 3]

只有前4个特征是有信息的。其余特征无用。

更多信息请阅读用户指南。

参数：

n_samplesint，默认值=100

样本数量。

n_featuresint，默认值=10

特征数量。

random_stateint，RandomState 实例或 None，默认值=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。参见术语表。

返回：

X形状为 (n_samples, n_features) 的ndarray

输入样本。

y形状为 (n_samples,) 的ndarray

输出值。

参考文献

[1]

G. Celeux, M. El Anbari, J.-M. Marin, C. P. Robert, “回归中的正则化：比较贫信息情况下贝叶斯方法和频率论方法”，2009。

示例

>>> from sklearn.datasets import make_sparse_uncorrelated
>>> X, y = make_sparse_uncorrelated(random_state=0)
>>> X.shape
(100, 10)
>>> y.shape
(100,)