Python 来自sklearn.datasets.make_分类的y

在sklearn.datasets.make_分类中，y类是如何计算的？ 假设我运行他的：

from sklearn.datasets import make_classification
X, y = make_classification(n_samples=1000, n_features=2, n_informative=2,
                           n_classes=2, n_clusters_per_class=1, random_state=0)

用什么公式从X得到y？ 文档在谈到信息性功能时涉及到这一点：

信息功能的数量。每个类由若干高斯簇组成，每个簇位于n_维子空间中超立方体顶点周围。对于每个聚类，信息特征独立于N（0，1）绘制，然后随机线性组合以添加协方差。然后将簇放置在超立方体的顶点上

谢谢

---

G

不计算y，只是X中的每一行根据该行所在的类在y中获得一个相关标签（注意n_classes变量）。如果“翻转y”大于零，则可能会翻转其中一些标签，以在标签中创建噪波

编辑：举个例子

例如，假设您总共需要2个类、1个信息特性和4个数据点。假设随机生成两个类质心，它们正好是1.0和3.0。因此，围绕第一个类（值1.0）生成的每个数据点都会得到标签y=0，围绕第二个类（值3.0）生成的每个数据点都会得到标签y=1。例如，第一类的X1可能恰好是1.2和0.7。对于第二类，两点可能是2.8和3.1。您现在有4个数据点，并且您知道它们是为哪个类生成的，因此您的最终数据将是：

Y X1
0 1.2
0 0.7
1 2.8
1 3.1

---

如您所见，没有任何计算结果，您只需在随机生成数据时分配类

我不确定我是否在跟踪您。我已经生成了一个数据集，包含2个信息特性和2个类。下面是类0和类1的示例。y=0，X1=1.67944952 X2=-0.889161403。y=1 X1=-2.431910137 X2=2.476198588。我想了解应用于X1和X2以生成y的函数。这不是随机的，因为我可以用模型预测y的90%。是XOR吗？它是确定性的还是一些协方差的引入使得它更复杂？