from sklearn.datasets import make_blobs

1 基本用法

data, label = make_blobs(n_features=2, n_samples=100, centers=3, random_state=3, cluster_std=[0.8, 2, 5])

2 參數說明

n_features	每一個樣本有多少個特征值
n_samples	樣本的個數
centers	聚類中心的個數 也可以是一個列表，表示每個中心 對應的坐標（維度和n_features一樣）
random_state	隨機種子
cluster_std	每個類別的方差

3 使用舉例

3.1 centers 為數字

from sklearn.datasets import make_blobs data, label = make_blobs(n_features=2, n_samples=100, centers=2, random_state=2019, cluster_std=[0.6,0.7] )label ''' array([1, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1,0, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0,1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1,0, 1, 0, 1, 0, 0, 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0,0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1]) ''' # 100維data ''' array([[ 2.42739457, 3.06175875],[ 7.05586911, -2.34535549],[ 7.49164297, -2.09940869],[ 8.95763559, -3.40157028],[ 2.17353708, 3.06694536], ......[ 2.29981982, 3.8569118 ]]) ''' #100*2 維 import matplotlib.pyplot as plt colors=['green','blue'] for i,color in enumerate(colors):color_tmp=np.where(label==i)[0]plt.scatter(data[color_tmp,0],data[color_tmp,1],c=color,label=i) plt.legend()

3.2?center? 為坐標

from sklearn.datasets import make_blobs data, label = make_blobs(n_features=2, n_samples=100, centers=[[-100,1],[0,5]], random_state=2019, cluster_std=[0.6,0.7] import matplotlib.pyplot as plt colors=['green','blue'] for i,color in enumerate(colors):color_tmp=np.where(label==i)[0]plt.scatter(data[color_tmp,0],data[color_tmp,1],c=color,label=i) plt.legend()

?

總結

以上是生活随笔為你收集整理的sklearn 笔记：make_blobs 生成聚类数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。