Day01-机器学习-综合分类数据集（Python）

01-包安装

pip install scikit-learn

02-检验是否安装成功

import sklearn
print(sklearn.__version__)

03-相关库介绍

3.1 Numpy库

Numpy是一个扩展的程序库,支持维度数组和矩阵运算,还针对数组运算提供大量的数学函数库。通常来说比较经常见到的是一维和二维数组,多维数组比较少见。

3.2 sklearn库

sklearn,全称scikit-learn,是python中的机器学习库,建立在numpy、scipy、matplotlib等数据科学包的基础之上,涵盖了机器学习中的样例数据、数据预处理、模型验证、特征选择、分类、回归、聚类、降维等几乎所有环节,功能十分强大

3.3 matplotlib库

Matplotlib是一个Python中广泛使用的绘图库，可以用于创建各种类型的静态、动态或交互式图表和可视化。它提供了一系列函数和工具，使得用户可以很方便地对数据进行处理和分析，并将其以图形化的方式呈现出来。

综合分类数据集

4.1 make_classification用法

在make_classification函数中，各参数的意义如下：

• n_samples：生成的样本总数。
• n_features：生成的特征数（或维度数）。
• n_informative：在生成样本中有意义的特征数。
• n_redundant：在生成样本中冗余（不相关）特征的数量。
• n_clusters_per_class：每个类别中的聚类数量。如果设置为1，则每个类别只包含一个聚类，样本点是线性可分的；如果设置为大于1的值，则生成的样本点可以不是线性可分的。
• random_state：随机种子，用于控制生成的样本的随机性。
  这些参数一起影响了生成样本的特征和类别的分布。通过调整这些参数的值，可以生成不同特征和类别分布的样本集，用于机器学习任务和模型测试。

# 定义数据集
x, y = make_classification(n_samples=1000, 
                           n_features=2, 
                           n_informative=2, 
                           n_redundant=0, 
                           n_clusters_per_class=1, 
                           random_state=4)

该代码段创建了一个具有2个特征的数据集，总共包含1000个样本。其中，每个样本有2个有信息量的特征（n_informative=2），没有冗余特征（n_redundant=0），每个类别只包含一个聚类（n_clusters_per_class=1）。通过设置这些参数，生成的数据集具有明确的特征分布，可以用于分类问题的模型训练和评估。

4.2 综合分类数据集

from numpy import where
from sklearn.datasets import make_classification
from matplotlib import pyplot
# 定义数据集
X, y = make_classification(n_samples=1000,
                           n_features=2,
                           n_informative=2,
                           n_redundant=0,
                           n_clusters_per_class=1,
                           random_state=4)
# 为每个类的样本创建散点图
for class_value in range(2):
    # 获取此类的示例的行索引
    row_ix = where(y == class_value)
    # 创建这些样本的散布
    pyplot.scatter(X[row_ix, 0], X[row_ix, 1])
    # 绘制散点图
pyplot.show()

结果图如下所示：

image.png

完结撒花！