Вам нужно будет создать синтетический набор данных.
В scikit-learn доступно множество стратегий для создания смоделированных данных. Среди них есть три очень полезных подхода.
1. make_regression() :
make_regression() — хороший выбор, когда мы хотим, чтобы созданный набор данных использовался с линейной регрессией.
Parameters : n_samples : int, default=100 The total amount of samples taken. n_features : int, default=100 The number of features. noise : float, default=0.0 The standard deviation of the gaussian noise applied to the output. Although I've focused on the most important ones, there are a plethora of others parameter to consider.
2. make_classification():
Используя make_classification(), мы можем создать смоделированный набор данных для целей классификации.
Parameters : n_samples : int , default=100 The number of samples. n_features : int , default=20 The total number of features. n_classes : int , default=2 The number of classes (or labels) of the classification problem.
3. make_blobs():
Scikit-learn дает нам make_blobs(), если нам нужен набор данных, который хорошо работает с методами кластеризации.
Parameters : n_samples : int , default=100 The number of samples. n_features : int , default=2 The number of features for each sample. centers : int , default=None The number of centers to generate.
Количество созданных кластеров задается параметром centers. Мы можем увидеть кластеры, созданные с помощью make_blobs(), используя библиотеку matplotlib. :
Надеюсь, эта статья оказалась для вас полезной и вы узнали что-то новое ❤
Похлопайте, если вам понравилась эта статья, и подпишитесь на другие материалы, подобные этой.
Ссылка :
- https://scikit-learn.org/stable/modules/generated/sklearn.datasets.make_regression.html
- https://scikit-learn.org/stable/modules/generated/sklearn.datasets.make_classification.html
- https://scikit-learn.org/stable/modules/generated/sklearn.datasets.make_blobs.html
- https://www.oreilly.com/library/view/machine-learning-with/9781491989371/