Machine learning 绘图数据集

我需要创建自己的数据来开发分类器，但我不知道如何创建。非常感谢您的帮助。

您只需创建具有特定平均值和标准的法线即可

import numpy as np
import matplotlib.pyplot as plt

std = [[0.5, 0], [0, 0.5]]
X1 = np.random.multivariate_normal([2, -2], std, size=100)
X2 = np.random.multivariate_normal([-2, 2], std, size=100)
X = np.vstack((X1, X2))

Y1 = np.random.multivariate_normal([2, 2], std, size=100)
Y2 = np.random.multivariate_normal([-2, -2], std, size=100)
Y = np.vstack((Y1, Y2))

plt.scatter(X[:, 0], X[:, 1])
plt.scatter(Y[:, 0], Y[:, 1])
plt.show() 

---

通过使用，您可以非常有效地做到这一点

它生成一个随机的

n类
分类问题，具有很多选项和高度灵活性

例如：

X, y = make_classification(n_samples=100, n_features=2, n_informative=2, 
                           n_redundant=0, n_repeated=0, n_clusters_per_class=1, 
                           n_classes=2, shuffle=True, random_state=2021)

上面的一行代码创建了一个包含100个样本、2个特征（所有特征都是信息性的）、2个类和每个类1个集群的数据集，然后对它们进行洗牌。
random_state
只是为了使过程重现

然后可以将其绘制为：

plt.scatter(X[:, 0], X[:, 1], marker='o', c=y, s=25, edgecolor='k')
plt.show()

输出外观的示例：