Python dask_ml.datasets.make_blobs用法及代碼示例

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)

生成用於聚類的各向同性高斯斑點。

這可用於在機器集群上生成非常大的 Dask 數組。在分布式模式下使用 Dask 時，客戶端機器隻需要分配單個塊的數據。

參數：

n_samples：int 或array-like，可選(默認=100): 如果是 int，則它是在集群之間平均分配的點的總數。如果array-like，則序列的每個元素表示每個簇的樣本數。
n_features：int，可選(默認=2): 每個樣本的特征數。
centers：int 或形狀數組 [n_centers, n_features]，可選: (默認=無)要生成的中心數，或固定的中心位置。如果 n_samples 是一個 int 並且中心是 None，則生成 3 個中心。如果 n_samples 為 array-like，則中心必須為 None 或長度等於 n_samples 長度的數組。
cluster_std：浮點數或浮點數序列，可選(默認=1.0): 聚類的標準差。
center_box：一對浮點數(最小，最大)，可選(默認=(-10.0，10.0)): 隨機生成中心時每個聚類中心的邊界框。
shuffle：布爾值，可選(默認 = True): Shuffle[洗牌]樣本。
random_state：int，RandomState 實例或無(默認): 確定數據集創建的隨機數生成。跨多個函數調用傳遞一個 int 以實現可重現的輸出。請參閱詞匯表。
chunks：整數，元組: 如何對數組進行分塊。必須是以下形式之一： - 像 1000 這樣的塊大小。 - 像 (1000, 1000) 這樣的塊狀。 - 沿所有維度的所有塊的顯式大小，例如

((1000, 1000, 500), (400, 400))。

X：形狀數組 [n_samples, n_features]: 生成的樣本。
y：形狀數組 [n_samples]: 每個樣本的集群成員的整數標簽。

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,)>

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask_ml.datasets.make_blobs。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：

例子：