make_swiss_roll#

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

生成瑞士卷数据集。

在用户指南中阅读更多内容。

经 Stephen Marsland 许可改编自其代码 [1]。

参数:
n_samplesint, default=100

瑞士卷上的样本点数量。

noisefloat, default=0.0

高斯噪声的标准差。

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 int 值以在多次函数调用中获得可重现的输出。请参阅词汇表。

holebool, default=False

如果为 True，则生成带孔的瑞士卷数据集。

返回:
X形状为 (n_samples, 3) 的 ndarray

点。

t形状为 (n_samples,) 的 ndarray

根据流形中点的主要维度，样本的单变量位置。

注意事项

该算法来自 Marsland [1]。

References

[1] (1,2)

S. Marsland，“Machine Learning: An Algorithmic Perspective”，第2版，第6章，2014年。https://homepages.ecs.vuw.ac.nz/~marslast/Code/Ch6/lle.py

示例

>>> from sklearn.datasets import make_swiss_roll
>>> X, t = make_swiss_roll(noise=0.05, random_state=0)
>>> X.shape
(100, 3)
>>> t.shape
(100,)