生成稀疏不相关数据#
- sklearn.datasets.make_sparse_uncorrelated(n_samples=100, n_features=10, *, random_state=None)[source]#
生成具有稀疏不相关设计的随机回归问题。
此数据集在 Celeux 等人 [1] 中描述为
X ~ N(0, 1) y(X) = X[:, 0] + 2 * X[:, 1] - 2 * X[:, 2] - 1.5 * X[:, 3]
只有前4个特征是有信息的。其余特征无用。
更多信息请阅读用户指南。
- 参数:
- n_samplesint,默认值=100
样本数量。
- n_featuresint,默认值=10
特征数量。
- random_stateint,RandomState 实例或 None,默认值=None
确定数据集创建的随机数生成。传递一个整数以在多次函数调用中获得可重复的输出。参见术语表。
- 返回:
- X形状为 (n_samples, n_features) 的ndarray
输入样本。
- y形状为 (n_samples,) 的ndarray
输出值。
参考文献
[1]G. Celeux, M. El Anbari, J.-M. Marin, C. P. Robert, “回归中的正则化:比较贫信息情况下贝叶斯方法和频率论方法”,2009。
示例
>>> from sklearn.datasets import make_sparse_uncorrelated >>> X, y = make_sparse_uncorrelated(random_state=0) >>> X.shape (100, 10) >>> y.shape (100,)