make_swiss_roll#
- sklearn.datasets.make_swiss_roll(n_samples=100, *, noise=0.0, random_state=None, hole=False)[source]#
生成一个瑞士卷数据集。
在用户指南中阅读更多内容。
- 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 实例或 None, default=None
确定数据集创建的随机数生成。传递一个整数可在多次函数调用中获得可复现的输出。参见术语表。
- holebool, default=False
如果为 True,则生成带有孔的瑞士卷数据集。
- 返回:
- Xshape 为 (n_samples, 3) 的 ndarray
点。
- tshape 为 (n_samples,) 的 ndarray
样本在流形中根据点主维度的单变量位置。
备注
该算法来自 Marsland [1]。
参考文献
[1]S. Marsland, “Machine Learning: An Algorithmic Perspective”, 2nd edition, Chapter 6, 2014. 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,)