Python sklearn make_sparse_uncorrelated用法及代碼示例

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

用法:

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

使用稀疏不相關設計生成隨機回歸問題。

該數據集在 Celeux 等人 [1] 中進行了說明。作為：

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

隻有前 4 個特征是有用的。其餘函數無用。

在用戶指南中閱讀更多信息。

參數：

n_samples：整數，默認=100

樣本數。

n_features：整數，默認=10

特征的數量。

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。

返回：

X：ndarray 形狀(n_samples，n_features)

輸入樣本。

y：ndarray 形狀 (n_samples,)

輸出值。

參考：

1

G. Celeux，M. El Anbari，J.-M。 Marin, C. P. Robert，“回歸中的正則化：在信息量不足的情況下比較貝葉斯方法和頻率論方法”，2009 年。