Python机器学习手册：从数据预处理到深度学习

2.2

　创建仿真数据集

｜

25

2.2

　创建仿真数据集

问题描述

生成一个仿真数据集。

解决方案

scikit-learn

提供了很多创建仿真数据集的方法。其中有三个方法非常有用。如果需要用

一个仿真数据集来做线性回归，

make_regression

是一个不错的选择 ：

#

加载库

from sklearn.datasets import make_regression

#

生成特征矩阵、目标向量以及模型的系数

features, target, coefficients = make_regression(n_samples = 100,

n_features = 3,

n_informative = 3,

n_targets = 1,

noise = 0.0,

coef = True,

random_state = 1)

#

查看特征矩阵和目标向量

print('Feature Matrix\n', features[:3])

print('Target Vector\n', target[:3])

Feature Matrix

[[ 1.29322588 -0.61736206 -0.11044703]

[-2.793085 0.36633201 1.93752881]

[ 0.80186103 -0.18656977 0.0465673 ]]

Target Vector

[-10.37865986 25.5124503 19.67705609]

如果需要创建一个仿真数据集来做分类，可以使用 ...