make_friedman3#

sklearn.datasets.make_friedman3(n_samples=100, *, noise=0.0, random_state=None)[source]#

生成“Friedman #3”回归问题。

此数据集在 Friedman [1] 和 Breiman [2] 中有所描述。

输入 X 是在区间上均匀分布的 4 个独立特征

<= X[:, 0] <= 100,
* pi <= X[:, 1] <= 560 * pi,
<= X[:, 2] <= 1,
<= X[:, 3] <= 11.

输出 y 根据以下公式生成

y(X) = arctan((X[:, 1] * X[:, 2] - 1 / (X[:, 1] * X[:, 3])) / X[:, 0]) + noise * N(0, 1).

更多信息请参阅用户指南。

参数:

n_samples整型, 默认值=100: 样本的数量。
noise浮点型, 默认值=0.0: 应用于输出的高斯噪声的标准差。
random_state整型、RandomState 实例或 None，默认值=None: 确定数据集噪声的随机数生成。传入一个整数可以在多次函数调用中获得可重现的输出。请参阅术语表。

返回:

X形状为 (n_samples, 4) 的 ndarray: 输入样本。
y形状为 (n_samples,) 的 ndarray: 输出值。

参考文献

[1]

J. Friedman, “多元自适应回归样条”, The Annals of Statistics 19 (1), 第 1-67 页, 1991.

[2]

L. Breiman, “Bagging 预测器”, Machine Learning 24, 第 123-140 页, 1996.

示例

>>> from sklearn.datasets import make_friedman3
>>> X, y = make_friedman3(random_state=42)
>>> X.shape
(100, 4)
>>> y.shape
(100,)
>>> list(y[:3])
[np.float64(1.54), np.float64(0.956), np.float64(0.414)]

make_friedman3#

本页