如何使用 sklearn 快速创造出我们所需的数据？

1. make_blobs ：聚类数据

sklearn 中的 make_blobs方法常被用来生成聚类算法的测试数据，直观地说，make_blobs会根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。

• 参数

  n_samples 是待生成的样本的总数。
  n_features 是每个样本的特征数，即维度（默认值=2）
  centers 表示类别数。
  cluster_std 表示每个类别的方差，例如我们希望生成2类数据，其中一类比另一类具有更大的方差，可以将cluster_std设置为[1.0,3.0]。(也可以以比例的形式)
  

• 返回值

返回（多维）特征 X，以及对应的标签 y。

1.1 生成二维数据

from sklearn.datasets import make_blobsX, y = make_blobs(n_samples=300, centers=4,random_state=0, cluster_std=1.0)
plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='rainbow');

虽然是聚类数据生成器，但其实也可以生成一维数据（设置n_features=2）

生成一维数据

• 模块导入

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
from sklearn.datasets import make_blobs

• 生成数据

X, y = make_blobs(n_samples=500, n_features=1, centers=3, cluster_std=0.5, random_state=0)plt.scatter(X, y, c=y) 

注意：此时 x 和 y 的数值形成了点坐标的（x，y），而不是像拥有两个特征的X（x₁， x₂）

参考

sklearn.datasets.make_blobs