make_hastie_10_2#

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

生成用于二元分类的数据，源自 Hastie 等人 2009 年的示例 10.2。

十个特征是标准独立高斯分布，且目标 y 定义为

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

在 用户指南 中了解更多。

参数:
n_samplesint, 默认值=12000

样本数量。

random_stateint, RandomState 实例或 None, 默认值=None

确定数据集创建的随机数生成。传入一个整数以在多次函数调用中获得可重现的输出。参见 术语表。

返回:
X形状为 (n_samples, 10) 的 ndarray

输入样本。

y形状为 (n_samples,) 的 ndarray

输出值。

另请参见

make_gaussian_quantiles

该数据集方法的泛化。

参考文献

[1]

T. Hastie, R. Tibshirani 和 J. Friedman, “Elements of Statistical Learning 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)]