生成两个交错的半圆#
- sklearn.datasets.make_moons(n_samples=100, *, shuffle=True, noise=None, random_state=None)[source]#
生成两个相互交错的半圆。
一个简单的玩具数据集,用于可视化聚类和分类算法。更多信息请参见 用户指南。
- 参数:
- n_samplesint 或形状为 (2,) 的元组,dtype=int,默认值=100
如果为整数,则为生成的总点数。如果为二元组,则为每个半圆中的点数。
0.23 版本中的更改: 添加了二元组。
- shufflebool,默认值=True
是否打乱样本。
- noisefloat,默认值=None
添加到数据中的高斯噪声的标准差。
- random_stateint、RandomState 实例或 None,默认值=None
确定数据集洗牌和噪声的随机数生成。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。
- 返回值:
- X形状为 (n_samples, 2) 的 ndarray
生成的样本。
- y形状为 (n_samples,) 的 ndarray
每个样本的类成员的整数标签 (0 或 1)。
示例
>>> from sklearn.datasets import make_moons >>> X, y = make_moons(n_samples=200, noise=0.2, random_state=42) >>> X.shape (200, 2) >>> y.shape (200,)
图库示例#
分类器比较
在玩具数据集上比较不同的聚类算法
在玩具数据集上比较不同的层次聚类方法
在玩具数据集上比较用于异常值检测的异常检测算法
使用网格搜索对模型进行统计比较
比较MLPClassifier的随机学习策略
改变多层感知器中的正则化
特征离散化