Python cuml.dask.datasets.classification.make_classification用法及代碼示例

用法: cuml.dask.datasets.classification.make_classification(n_samples=100, n_features=20, n_informative=2, n_redundant=2, n_repeated=0, n_classes=2, n_clusters_per_class=2, weights=None, flip_y=0.01, class_sep=1.0, hypercube=True, shift=0.0, scale=1.0, shuffle=True, random_state=None, order='F', dtype='float32', n_parts=None, client=None)

生成一個隨機的n-class 分類問題。

這最初會創建正態分布 (std=1) 的點簇，該點簇圍繞邊長為 2 * class_sep 的 n_informative 維超立方體的頂點，並為每個類分配相等數量的簇。它引入了這些特征之間的相互依賴關係，並為數據添加了各種類型的進一步噪聲。

不打亂，X 按以下順序水平堆疊特征：主要的n_informative 特征，然後是信息特征的n_redundant 線性組合，然後是n_repeated 重複，隨機抽取信息和冗餘特征的替換.其餘特征充滿隨機噪聲。因此，無需改組，所有有用的函數都包含在 X[:, :n_informative + n_redundant + n_repeated] 列中。

參數：

n_samples：int 可選(默認=100): 樣本數。
n_features：int 可選(默認=20): 特征總數。這些包括n_informative信息特征、n_redundant冗餘特征、n_repeated重複特征和隨機抽取的n_features-n_informative-n_redundant-n_repeated無用特征。
n_informative：int 可選(默認=2): 信息特征的數量。每個類由多個高斯簇組成，每個高斯簇位於維度為 n_informative 的子空間中超立方體的頂點周圍。對於每個集群，信息特征是獨立於 N(0, 1) 繪製的，然後在每個集群內隨機線性組合以增加協方差。然後將簇放置在超立方體的頂點上。
n_redundant：int 可選(默認=2): 冗餘特征的數量。這些特征是作為信息特征的隨機線性組合生成的。
n_repeated：int 可選(默認=0): 從信息和冗餘特征中隨機抽取的重複特征的數量。
n_classes：int 可選(默認=2): 分類問題的類(或標簽)數。
n_clusters_per_class：int 可選(默認=2): 每個類的簇數。
weights：array-like 形狀 (n_classes,) 或 (n_classes - 1,) ，(默認=無): 分配給每個類別的樣本比例。如果沒有，那麽類是平衡的。請注意，如果 len(weights) == n_classes - 1 ，則會自動推斷最後一個類的權重。如果 weights 的總和超過 1，則可能返回超過 n_samples 的樣本。
flip_y：浮點數，可選(默認=0.01): 隨機分配類別的樣本的比例。較大的值會在標簽中引入噪聲並使分類任務更加困難。
class_sep：浮點數，可選(默認=1.0): 乘以超立方體大小的因子。較大的值會分散集群/類並使分類任務更容易。
hypercube：布爾值，可選(默認 = True): 如果為 True，則將簇放在超立方體的頂點上。如果為 False，則將簇放在隨機多麵體的頂點上。
shift：浮點數，形狀數組 [n_features] 或無，可選(默認 = 0.0): 按指定值移動特征。如果沒有，則特征將移動 [-class_sep, class_sep] 中繪製的隨機值。
scale：浮點數，形狀數組 [n_features] 或無，可選(默認 = 1.0): 將特征乘以指定的值。如果為 None，則按 [1, 100] 中繪製的隨機值對特征進行縮放。請注意，縮放發生在移位之後。
shuffle：布爾值，可選(默認 = True): Shuffle[洗牌]樣本和特征。
random_state：int RandomState 實例或無(默認): 確定數據集創建的隨機數生成。傳遞 int 以獲得跨多個函數調用的可重現輸出。請參閱詞匯表。
order: str, optional (default=’F’)：: 生成樣本的順序
dtype：str，可選(默認='float32'): 生成樣本的 Dtype
n_parts：int(默認 = 無): 要生成的分區數(這可以大於工作人員的數量)

X：dask.array 支持 CuPy 形狀數組 [n_samples, n_features]: 生成的樣本。
y：dask.array 支持 CuPy 形狀數組 [n_samples]: 每個樣本的類別成員的整數標簽。

注意：

我們如何從單 GPU 版本擴展 dask MNMG 版本：

我們生成形狀為 (n_centroids, n_informative) 的質心
我們生成形狀 (n_centroids, n_informative, n_informative) 的信息協方差
我們生成形狀(n_informative, n_redundant)的冗餘協方差
我們為重複特征生成索引我們將上述數組的期貨的引用傳遞給單個 GPU cuml.datasets.classification.make_classification，以便每個部分(和工作人員)都可以訪問正確的值以從相同的生成數據協方差

例子：

from dask.distributed import Client
from dask_cuda import LocalCUDACluster
from cuml.dask.datasets.classification import make_classification
cluster = LocalCUDACluster()
client = Client(cluster)
X, y = make_classification(n_samples=10, n_features=4,
                           n_informative=2, n_classes=2)

print("X:")
print(X.compute())

print("y:")
print(y.compute())

輸出：

X:
[[-1.6990056  -0.8241044  -0.06997631  0.45107925]
[-1.8105277   1.7829906   0.492909    0.05390119]
[-0.18290454 -0.6155432   0.6667889  -1.0053712 ]
[-2.7530136  -0.888528   -0.5023055   1.3983376 ]
[-0.9788184  -0.89851004  0.10802134 -0.10021686]
[-0.76883423 -1.0689086   0.01249526 -0.1404741 ]
[-1.5676656  -0.83082974 -0.03072987  0.34499463]
[-0.9381793  -1.0971068  -0.07465998  0.02618019]
[-1.3021476  -0.87076336  0.02249984  0.15187258]
[ 1.1820307   1.7524253   1.5087451  -2.4626074 ]]

y:
[0 1 0 0 0 0 0 0 0 1]

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuml.dask.datasets.classification.make_classification。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：