make_swiss_roll 生成瑞士卷数据集#

sklearn.datasets.make_swiss_roll(n_samples=100, *, noise=0.0, random_state=None, hole=False)[source]#

生成瑞士卷数据集。

更多信息请参考 用户指南。

参数：
n_samplesint, default=100

瑞士卷上的样本点数。

noisefloat, default=0.0

高斯噪声的标准差。

random_stateint、RandomState 实例或 None，默认为 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重复的输出。参见 词汇表。

holebool，默认为 False

如果为 True，则生成带有孔洞的瑞士卷数据集。

返回:
X形状为 (n_samples, 3) 的 ndarray

点。

t形状为 (n_samples,) 的 ndarray

根据流形中点的主要维度，样本的单变量位置。

备注

该算法来自 Marsland [1]。

参考文献

[1]

S. Marsland，“机器学习：一种算法视角”，第二版，第 6 章，2014 年。 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,)