Python sklearn make_sparse_uncorrelated用法及代码示例

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

用法:

sklearn.datasets.make_sparse_uncorrelated(n_samples=100, n_features=10, *, random_state=None)

使用稀疏不相关设计生成随机回归问题。

该数据集在 Celeux 等人 [1] 中进行了说明。作为：

X ~ N(0, 1)
y(X) = X[:, 0] + 2 * X[:, 1] - 2 * X[:, 2] - 1.5 * X[:, 3]

只有前 4 个特征是有用的。其余函数无用。

在用户指南中阅读更多信息。

参数：

n_samples：整数，默认=100

样本数。

n_features：整数，默认=10

特征的数量。

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

确定数据集创建的随机数生成。传递 int 以获得跨多个函数调用的可重现输出。请参阅词汇表。

返回：

X：ndarray 形状(n_samples，n_features)

输入样本。

y：ndarray 形状 (n_samples,)

输出值。

参考：

1

G. Celeux，M. El Anbari，J.-M。 Marin, C. P. Robert，“回归中的正则化：在信息量不足的情况下比较贝叶斯方法和频率论方法”，2009 年。