Python sklearn make_friedman3用法及代码示例

本文简要介绍python语言中 sklearn.datasets.make_friedman3 的用法。

用法:

sklearn.datasets.make_friedman3(n_samples=100, *, noise=0.0, random_state=None)

生成“Friedman #3”回归问题。

该数据集在 Friedman [1] 和 Breiman [2] 中有所说明。

输入 X 是 4 个独立的特征，均匀分布在区间上：

0 <= X[:, 0] <= 100,
40 * pi <= X[:, 1] <= 560 * pi,
0 <= X[:, 2] <= 1,
1 <= X[:, 3] <= 11.

输出 y 根据以下公式创建：

y(X) = arctan((X[:, 1] * X[:, 2] - 1 / (X[:, 1] * X[:, 3])) / X[:, 0]) + noise * N(0, 1).

在用户指南中阅读更多信息。

参数：

n_samples：整数，默认=100

样本数。

noise：浮点数，默认=0.0

应用于输出的高斯噪声的标准偏差。

random_state：int、RandomState 实例或无，默认=无

确定数据集噪声的随机数生成。传递 int 以在多个函数调用之间实现可重现的输出。请参阅术语表。

返回：

X：ndarray 形状 (n_samples, 4)

输入样本。

y：ndarray 形状 (n_samples,)

输出值。

参考：

1

J. Friedman，“多元自适应回归样条曲线”，统计年鉴 19 (1)，第 1-67 页，1991 年。

2

L. Breiman，“Bagging predictors”，机器学习 24，第 123-140 页，1996 年。