如何在 Python 中创建用于分类的模拟数据？

在本文中，我们将看到如何在 Python 中创建用于分类的模拟数据。

我们将使用 sklearn 库，它为模拟分类数据提供了各种生成器。

单一标签分类

这里我们将看到单标签分类，为此我们将使用一些可视化技术。

示例 1:使用 make_circles()

make_circles 生成具有球形决策边界的二维二进制分类数据。

Python 3

from sklearn.datasets import make_circles
import pandas as pd
import matplotlib.pyplot as plt

X, y = make_circles(n_samples=200, shuffle=True, 
                    noise=0.1, random_state=42)
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

输出:

示例 2:使用 make_moons()

make_moons() 生成两个交错半圆形状的 2d 二进制分类数据。

Python 3

from sklearn.datasets import make_moons
import pandas as pd
import matplotlib.pyplot as plt

X, y = make_moons(n_samples=200, shuffle=True,
                  noise=0.15, random_state=42)
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

输出:

例 3。使用 make_blobs()

make_blobs() 以 blob 的形式生成可用于聚类的数据

Python 3

from sklearn.datasets import make_blobs
import pandas as pd
import matplotlib.pyplot as plt

X, y = make_blobs(n_samples=200, n_features=2, centers=3,
                  shuffle=True, random_state=42)
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

输出:

例 4。使用make _ classing()

make_classification() 生成随机 n 类分类问题

Python 3

from sklearn.datasets import make_classification
import pandas as pd
import matplotlib.pyplot as plt

X, y = make_classification(n_samples=100, n_features=5,
                           n_classes=2,
                           n_informative=2, n_redundant=2,
                           n_repeated=0,
                           shuffle=True, random_state=42)
pd.concat([pd.DataFrame(X), pd.DataFrame(
    y, columns=['Label'])], axis=1)

输出:

多标签分类

make _ multi label _ classification()生成随机多标签分类问题。

Python 3

from sklearn.datasets import make_multilabel_classification
import pandas as pd
import matplotlib.pyplot as plt

X, y = make_multilabel_classification(n_samples=100, n_features=5, 
                                      n_classes=2, n_labels=1,
                                      allow_unlabeled=False,
                                      random_state=42)
pd.concat([pd.DataFrame(X), pd.DataFrame(y, 
                                         columns=['L1', 'L2'])],
          axis=1)

输出: