产生高斯数据集的scikit-learn API
https://scikit-learn.org/stable/modules/generated/sklearn.datasets.make_blobs.html
高斯聚类生成器用法
from sklearn.datasets import make_blobs
from matplotlib import pyplot
%matplotlib inline
data,target=make_blobs(n_samples=100,n_features=2,centers=3)
print("data=",data)
print("target=",target)
# 在2D图中绘制样本,每个样本颜色不同
pyplot.scatter(data[:,0],data[:,1],c=target);
pyplot.show()
#result
data= [[ 2.37778754e-01 5.34540864e+00][ 9.43029034e+00 8.01781401e+00][ 1.09039688e+01 7.18590884e+00][ 1.71043958e+00 6.84998296e+00][ 1.12733230e+01 8.12412322e+00][ 5.30157065e-02 5.48539301e+00][ 1.07639896e+01 9.00512473e+00][ 1.03762851e+01 8.21121642e+00][ 8.01646777e-01 6.08279797e+00][ 3.76261970e-01 1.71349284e+00][ 8.65289556e+00 8.21177534e+00][ 9.28225378e+00 1.00671841e+01][ 1.01404941e+00 5.33888426e+00][ 1.06928640e+01 7.97318301e+00][ 2.53903673e+00 7.12754408e+00][ 1.00647103e+01 8.11526302e+00][-2.48669510e+00 -1.45847836e+00][-6.63113954e-02 -6.38192796e-01][ 9.19505734e+00 8.00221310e+00][ 2.22136420e+00 5.57128882e+00][-4.19364627e-01 6.42245024e+00][-1.02018619e+00 -6.59435275e-01][ 1.48320391e+00 2.46602257e-01][ 9.95355586e+00 8.25950767e+00][-7.84308723e-01 5.32462523e+00][ 8.91115061e+00 7.87000236e+00][-1.73549467e-01 4.27386167e+00][ 8.52190703e-01 6.41413752e+00][ 8.82753945e+00 7.94176793e+00][ 4.46892971e-01 -9.68505563e-01][ 1.04606362e+01 8.39048186e+00][-3.34145729e-01 9.60480901e-01][-4.34291690e-01 6.56151293e+00][ 1.19510216e+01 6.04081596e+00][ 1.16326443e+00 7.11074547e+00][ 8.41762551e+00 7.63451500e+00][-7.17734386e-01 7.75050883e+00][-2.04852317e+00 -1.81743389e+00][-8.17865590e-01 -2.75349419e-01][ 7.16402770e-01 6.86687358e+00][ 1.19246943e-02 8.33435411e+00][ 1.39702449e-01 -1.80224638e+00][ 9.69484430e+00 9.37357095e+00][-4.74924304e-03 5.35619672e+00][ 1.02591184e+01 7.58379139e+00][-8.47873102e-01 5.95889293e+00][ 1.01709232e+01 5.62951252e+00][ 9.87628823e+00 8.16479797e+00][ 7.98526753e-02 -3.46310001e+00][ 6.12151066e-02 -4.51278752e-01][ 1.01291613e+01 9.04605887e+00][ 1.19742015e+00 8.46857159e-01][-5.81416100e-01 -1.03564530e-01][ 6.59044793e-01 7.75215070e+00][ 2.44776077e+00 8.45442572e+00][ 9.32591274e+00 8.51683645e+00][ 9.96730027e+00 7.20233213e+00][-9.90862152e-01 1.16890402e+00][ 5.55795432e-01 7.13378127e+00][ 9.44792266e+00 7.74220922e+00][-4.97665816e-01 4.96654007e-01][ 1.04701753e+01 7.00829225e+00][ 2.01155344e-01 7.52179777e+00][ 1.07657614e+01 5.16882248e+00][ 2.25189003e+00 6.98515582e+00][ 1.60973303e+00 6.34679948e+00][ 2.16425124e+00 6.12305437e+00][ 3.07379285e+00 5.48999608e+00][-2.01448936e+00 5.92072584e-01][ 8.12886295e-01 7.63180927e+00][-1.28743498e+00 2.03617716e-01][ 1.09486550e+01 7.20695687e+00][ 7.85612429e-01 4.58333132e+00][-1.29152168e+00 2.64125709e-01][ 2.42682971e-01 7.50872787e-01][-7.00041339e-01 -9.17176679e-01][ 2.23726982e-01 8.59291240e-01][-1.21700319e-01 -6.85518520e-01][-8.03248482e-01 -5.85764813e-01][-4.51262381e-01 7.52295177e-01][-1.64432005e+00 -1.26268010e-01][ 1.10911877e+01 9.48378607e+00][ 3.00451544e+00 7.74355395e+00][-2.79661482e-01 4.37687083e-01][ 1.11269760e+01 9.52731016e+00][ 1.23213430e+00 8.65009894e+00][ 9.84329476e+00 8.31809617e+00][-2.05926077e+00 -9.70697877e-02][-2.20220487e+00 -5.20657739e-01][ 1.30245997e-01 4.57876448e+00][-1.33510994e+00 1.88213292e+00][-4.20060629e-01 -1.42239086e+00][ 9.54918966e+00 7.29709483e+00][ 1.01813947e+00 6.63700027e+00][ 9.69588505e+00 6.76908564e+00][-4.10605045e-01 1.98129635e-01][ 1.75290554e+00 6.62615978e+00][ 9.88330553e+00 5.88636939e+00][ 8.45149590e-01 7.33380471e+00][-1.10159753e+00 -7.66277916e-01]] target= [0 1 1 0 1 0 1 1 0 2 1 1 0 1 0 1 2 2 1 0 0 2 2 1 0 1 0 0 1 2 1 2 0 1 0 1 02 2 0 0 2 1 0 1 0 1 1 2 2 1 2 2 0 0 1 1 2 0 1 2 1 0 1 0 0 0 0 2 0 2 1 0 22 2 2 2 2 2 2 1 0 2 1 0 1 2 2 0 2 2 1 0 1 2 0 1 0 2]
https://blog.csdn.net/kevinelstri/article/details/52622960
产生高斯数据集的scikit-learn API相关推荐
- Scikit Learn: 在python中机器学习
Warning 警告:有些没能理解的句子,我以自己的理解意译. 翻译自:Scikit Learn:Machine Learning in Python 作者: Fabian Pedregosa, Ga ...
- [转载]Scikit Learn: 在python中机器学习
原址:http://my.oschina.net/u/175377/blog/84420 目录[-] Scikit Learn: 在python中机器学习 载入示例数据 一个改变数据集大小的示例:数码 ...
- scikit - learn 做文本分类
文章来源: https://my.oschina.net/u/175377/blog/84420 Scikit Learn: 在python中机器学习 Warning 警告:有些没能理解的句子,我以自 ...
- 机器学习与Scikit Learn学习库
摘要: 本文介绍机器学习相关的学习库Scikit Learn,包含其安装及具体识别手写体数字案例,适合机器学习初学者入门Scikit Learn. 在我科研的时候,机器学习(ML)是计算机科学领域中最 ...
- python笔迹识别_python_基于Scikit learn库中KNN,SVM算法的笔迹识别
之前我们用自己写KNN算法[网址]识别了MNIST手写识别数据 [数据下载地址] 这里介绍,如何运用Scikit learn库中的KNN,SVM算法进行笔迹识别. 数据说明: 数据共有785列,第一列 ...
- 【scikit-learn】如何用Python和SciKit Learn 0.18实现神经网络
本教程的代码和数据来自于 Springboard 的博客教程.本文的作者为 Jose Portilla,他是网络教育平台 Udemy 一门数据科学类课程的讲师. GitHub 链接:https://g ...
- python scikit learn 关闭开源_scikit learn 里没有神经网络?
本教程的代码和数据来自于 Springboard 的博客教程,希望能为你提供帮助.作者为 Jose Portilla,他是网络教育平台 Udemy 一门数据科学类课程的讲师. GitHub 链接:ht ...
- 的使用两个数据集拼接_使用Scikit Learn的分类器探索Iris数据集
暂时,想象一下你不是一个花卉专家(如果你是专家,那对你很好!).你能区分三种不同的鸢尾属植物吗?刚毛鸢尾属,花色鸢尾属和维吉尼亚鸢尾属(setosa, versicolor, virginica)? ...
- scikit learn各个常用模型调参总结
SVM 对数据进行归一化 (simple scaling) 使用RBF kernel 使用cross_validation 和 grid_search得到最佳参数gamma和C 使用得到的最优C和ga ...
最新文章
- JAVA NIO - Buffer Channel
- IRC BOT原来是利用IRC下发CC命令——在xx云环境遇到了,恶意软件开的是6666端口...
- Mongo 用户管理
- Java线程详解(17)-原子量
- 数据中心的“芯”竞争
- 工业用微型计算机(27)-dos和BIOS调用(1)
- Mongo服务器二进制文件修复,Mongodb-File-Server
- 8086变址和指针寄存器
- 使用google map实现周边搜索的功能_「转」“搜索”的原理,架构,实现,实践,面试不用再怕了...
- 自学python到什么程度就可以工作-零基础学到什么程度可以找一份python工作?Python学习路线规划...
- 【画图专题】sns.heatmap的用法简介
- 问题三十:《Ray Tracing In One Weekend》封面图形生成
- Animation中的scale、rotate、translate、alpha
- 【BZOJ】1052: [HAOI2007]覆盖问题(贪心)
- GOOGLE卫星地图贴图错误一例
- Java获取字符串的MD5值和根据邮箱获取Gravatar头像
- 海康威视硬盘录像机怎么连接萤石云
- labview中DAQ采集多个数据通道(温度传感器)(TTL信号的曲轴位置传感器)总结
- 添加IIS FTP站点密码
- 发送短信验证码时触发天级流控Premit:10
热门文章
- Python游戏开发,pygame模块,Python实现愤怒的小鸟【附带源码】
- linux 网卡无效 设置_windows使用xftp连接本机上的linux虚拟机
- 怎么查找表_MySQL索引是怎么支撑千万级表的快速查找?
- 巴克码matlab,matlab编写巴克码
- 三容水箱液位控制系统_三容水箱液位控制系统的建模及仿真.doc
- 【c语言】2020蓝桥杯校内模拟赛c组
- 如何基于Kubernetes构建完整的DevOps流水线
- 国内三分之一世界500强企业正布局区块链,区块链风口已经出现
- kindeditor扩展粘贴截图功能修改图片上传路径并通过webapi上传图片到图片服务器...
- 设计模式——3单例模式(Singleton)