【scikit-learn】06：make_blobs聚類數據生成器

 

 

版權聲明：本文為博主原創文章，遵循 CC 4.0 by-sa 版權協議，轉載請附上原文出處鏈接和本聲明。

本文鏈接： https://blog.csdn.net/kevinelstri/article/details/52622960

• 【scikit-learn】01：使用案例對sklearn庫進行簡單介紹
• 【scikit-learn】02：使用sklearn庫進行統計學習
• 【scikit-learn】03：將sklearn庫用於非監督性學習 聚類
• 【scikit-learn】04：sklearn庫下進行文本數據分析
• 【scikit-learn】05：sklearn文本分類及評價指標
• 【scikit-learn】06：make_blobs聚類數據生成器
• 【scikit-learn】07：數據加載，數據歸一，特征選擇，邏輯回歸，貝葉斯，k近鄰，決策樹，SVM

---

make_blobs聚類數據生成器簡介

scikit中的make_blobs方法常被用來生成聚類算法的測試數據，直觀地說，make_blobs會根據用戶指定的特征數量、中心點數量、范圍等來生成幾類數據，這些數據可用於測試聚類算法的效果。

make_blobs方法:

sklearn.datasets.make_blobs(n_samples=100, n_features=2,centers=3, cluster_std=1.0, center_box=(-10.0, 10.0), shuffle=True, random_state=None)[source]

其中：

• n_samples是待生成的樣本的總數。
• n_features是每個樣本的特征數。
• centers表示類別數。
• cluster_std表示每個類別的方差，例如我們希望生成2類數據，其中一類比另一類具有更大的方差，可以將cluster_std設置為[1.0,3.0]。

例：生成3類數據用於聚類（100個樣本，每個樣本有2個特征）

from sklearn.datasets import make_blobs from matplotlib import pyplot data,target=make_blobs(n_samples=100,n_features=2,centers=3) # 在2D圖中繪制樣本，每個樣本顏色不同 pyplot.scatter(data[:,0],data[:,1],c=target); pyplot.show()

為每個類別設置不同的方差，只需要在上述代碼中加入cluster_std參數即可：

from sklearn.datasets import make_blobs from matplotlib import pyplot data,target=make_blobs(n_samples=100,n_features=2,centers=3,cluster_std=[1.0,3.0,2.0]) #在2D圖中繪制樣本，每個樣本顏色不同 pyplot.scatter(data[:,0],data[:,1],c=target); pyplot.show()