Python sklearn make_blobs用法及代碼示例

本文簡要介紹python語言中 sklearn.datasets.make_blobs 的用法。

用法:

sklearn.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, return_centers=False)

生成用於聚類的各向同性高斯斑點。

在用戶指南中閱讀更多信息。

參數：

n_samples：int 或類似數組，默認=100

如果是 int，則為在簇之間平均分配的點數總數。如果是類似數組，則序列的每個元素表示每個簇的樣本數。

n_features：整數，默認=2

每個樣本的特征數。

centers：int 或形狀的 ndarray (n_centers, n_features)，默認=無

要生成的中心數量或固定中心位置。如果n_samples是int並且centers是None，則生成3個中心。如果 n_samples 是類似數組的，則 center 必須為 None 或長度等於 n_samples 長度的數組。

cluster_std：float 或類似 float 的數組，默認=1.0

聚類的標準差。

center_box：浮點元組(最小值，最大值)，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，默認=真

Shuffle[洗牌]樣本。

random_state：int、RandomState 實例或無，默認=無

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。

return_centers：布爾，默認=假

如果為真，則返回每個聚類的中心

返回：

X：ndarray 形狀(n_samples，n_features)

生成的樣本。

y：ndarray 形狀 (n_samples,)

每個樣本的集群成員的整數標簽。

centers：ndarray 形狀(n_centers，n_features)

每個集群的中心。僅在 return_centers=True 時返回。

例子：

>>> from sklearn.datasets import make_blobs
>>> X, y = make_blobs(n_samples=10, centers=3, n_features=2,
...                   random_state=0)
>>> print(X.shape)
(10, 2)
>>> y
array([0, 0, 1, 0, 2, 2, 2, 1, 1, 0])
>>> X, y = make_blobs(n_samples=[3, 3, 4], centers=None, n_features=2,
...                   random_state=0)
>>> print(X.shape)
(10, 2)
>>> y
array([0, 1, 2, 0, 2, 2, 2, 1, 1, 0])