Python sklearn make_friedman3用法及代碼示例

本文簡要介紹python語言中 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”回歸問題。

該數據集在 Friedman [1] 和 Breiman [2] 中有所說明。

輸入 X 是 4 個獨立的特征，均勻分布在區間上：

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

輸出 y 根據以下公式創建：

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

在用戶指南中閱讀更多信息。

參數：

n_samples：整數，默認=100

樣本數。

noise：浮點數，默認=0.0

應用於輸出的高斯噪聲的標準偏差。

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

確定數據集噪聲的隨機數生成。傳遞 int 以在多個函數調用之間實現可重現的輸出。請參閱術語表。

返回：

X：ndarray 形狀 (n_samples, 4)

輸入樣本。

y：ndarray 形狀 (n_samples,)

輸出值。

參考：

1

J. Friedman，“多元自適應回歸樣條曲線”，統計年鑒 19 (1)，第 1-67 頁，1991 年。

2

L. Breiman，“Bagging predictors”，機器學習 24，第 123-140 頁，1996 年。