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。

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,)