Python dask_ml.datasets.make_blobs用法及代码示例

用法: dask_ml.datasets.make_blobs(n_samples=100, n_features=2, centers=None, cluster_std=1.0, center_box=(- 10.0, 10.0), shuffle=True, random_state=None, chunks=None)

生成用于聚类的各向同性高斯斑点。

这可用于在机器集群上生成非常大的 Dask 数组。在分布式模式下使用 Dask 时，客户端机器只需要分配单个块的数据。

参数：

n_samples：int 或array-like，可选(默认=100): 如果是 int，则它是在集群之间平均分配的点的总数。如果array-like，则序列的每个元素表示每个簇的样本数。
n_features：int，可选(默认=2): 每个样本的特征数。
centers：int 或形状数组 [n_centers, n_features]，可选: (默认=无)要生成的中心数，或固定的中心位置。如果 n_samples 是一个 int 并且中心是 None，则生成 3 个中心。如果 n_samples 为 array-like，则中心必须为 None 或长度等于 n_samples 长度的数组。
cluster_std：浮点数或浮点数序列，可选(默认=1.0): 聚类的标准差。
center_box：一对浮点数(最小，最大)，可选(默认=(-10.0，10.0)): 随机生成中心时每个聚类中心的边界框。
shuffle：布尔值，可选(默认 = True): Shuffle[洗牌]样本。
random_state：int，RandomState 实例或无(默认): 确定数据集创建的随机数生成。跨多个函数调用传递一个 int 以实现可重现的输出。请参阅词汇表。
chunks：整数，元组: 如何对数组进行分块。必须是以下形式之一： - 像 1000 这样的块大小。 - 像 (1000, 1000) 这样的块状。 - 沿所有维度的所有块的显式大小，例如

((1000, 1000, 500), (400, 400))。

X：形状数组 [n_samples, n_features]: 生成的样本。
y：形状数组 [n_samples]: 每个样本的集群成员的整数标签。

例子：

>>> from dask_ml.datasets import make_blobs
>>> X, y = make_blobs(n_samples=100000, chunks=10000)
>>> X
dask.array<..., shape=(100000, 2), dtype=float64, chunksize=(10000, 2)>
>>> y
dask.array<concatenate, shape=(100000,), dtype=int64, chunksize=(10000,)>

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask_ml.datasets.make_blobs。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：