make_multilabel_classification#

sklearn.datasets.make_multilabel_classification(n_samples=100, n_features=20, *, n_classes=5, n_labels=2, length=50, allow_unlabeled=True, sparse=False, return_indicator='dense', return_distributions=False, random_state=None)[source]#

生成一个随机多标签分类问题。

对于每个样本,生成过程如下:
  • 选择标签数量:n ~ Poisson(n_labels)

  • n 次,选择一个类别 c:c ~ Multinomial(theta)

  • 选择文档长度:k ~ Poisson(length)

  • k 次,选择一个单词:w ~ Multinomial(theta_c)

在上述过程中,使用拒绝采样确保 n 永不为零或大于 n_classes,并且文档长度永不为零。同样,我们拒绝已经选择的类别。

有关用法示例,请参阅 绘制随机生成的多标签数据集

用户指南中阅读更多内容。

参数:
n_samples整型,默认值=100

样本数量。

n_features整型,默认值=20

特征总数。

n_classes整型,默认值=5

分类问题的类别数量。

n_labels整型,默认值=2

每个实例的平均标签数量。更确切地说,每个样本的标签数量从以 n_labels 为期望值的泊松分布中抽取,但样本被限制(使用拒绝采样)在 n_classes 之内,并且如果 allow_unlabeled 为 False,则必须非零。

length整型,默认值=50

特征的总和(如果是文档,则为单词数)从以该值为期望值的泊松分布中抽取。

allow_unlabeled布尔型,默认值=True

如果为 True,则某些实例可能不属于任何类别。

sparse布尔型,默认值=False

如果为 True,则返回一个稀疏特征矩阵。

0.17 版新增: 允许稀疏输出的参数。

return_indicator{‘dense’, ‘sparse’} 或 False, 默认值=’dense’

如果为 'dense',则以密集二元指示符格式返回 Y。如果为 'sparse',则以稀疏二元指示符格式返回 YFalse 返回一个标签列表的列表。

return_distributions布尔型,默认值=False

如果为 True,则返回从中抽取数据的先验类别概率和给定类别的特征条件概率。

random_state整型,RandomState 实例或 None,默认值=None

确定数据集创建的随机数生成。传入一个整型以便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, n_features) 的 ndarray

生成的样本。

Y形状为 (n_samples, n_classes) 的 {ndarray, 稀疏矩阵}

标签集。稀疏矩阵应为 CSR 格式。

p_c形状为 (n_classes,) 的 ndarray

抽取每个类别的概率。仅当 return_distributions=True 时返回。

p_w_c形状为 (n_features, n_classes) 的 ndarray

给定每个类别时抽取每个特征的概率。仅当 return_distributions=True 时返回。

示例

>>> from sklearn.datasets import make_multilabel_classification
>>> X, y = make_multilabel_classification(n_labels=3, random_state=42)
>>> X.shape
(100, 20)
>>> y.shape
(100, 5)
>>> list(y[:3])
[array([1, 1, 0, 1, 0]), array([0, 1, 1, 1, 0]), array([0, 1, 0, 0, 0])]