数据集的创建make_classification

参数	说明
n_samples	样本个数
n_features	样本特征个数，包括信息特征，冗余特征，重复特征，和除去以上特征的无用特征
n_informative	信息特征个数
n_redundant	冗余特征个数
n_repeated	重复特征个数
n_classes	样本类别个数
n_clusters_per_class	每个类的簇的个数
random_state	随机种子指定，以便生成同样的数据集
shuffle	bool, default=True，对样本和特征洗牌
weights	列表类型，每个属性的权重
flip_y	float, default=0.01，随机分配的样本的比例，增大会加大噪声，加大分类难度
shift	float, ndarray of shape (n_features,) or None, default=0.0,对每个属性值进行位移
scale	float, ndarray of shape (n_features,) or None, default=1.0,对每个属性值进行数乘
class_sep	将每个簇分隔开来，较大的值将使分类任务更加容易

from sklearn.datasets import make_classification
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split

X,y=make_classification(n_samples=1000,#1000个样本
                        n_features=2,#两个特征，方便画图
                        n_informative=2,#信息特征(有用特征)
                        n_redundant=0,#冗余特征，它是信息特征的线性组合
                        n_repeated=0,#重复特征
                        n_classes=2,#分类样别
                        random_state=None,
                        n_clusters_per_class=2,#每个类别两簇
                        shuffle=True,
                        class_sep=1,#将每个簇分隔开来，较大的值将使分类任务更加容易
                        shift=10,
                        scale=3,
                        flip_y=0,)#没有噪声
#训练集与测试集分割函数
#x_train,x_test,y_train,y_test=train_test_split(
#    X,y,train_size=800,test_size=200,random_state=4)

data=np.concatenate((X,y.reshape(1000,1)),axis=1)
# data=pd.DataFrame(X)
# x0=data[0]
# x1=data[1]
x0=[]
x1=[]
y0=[]
y1=[]
for d in data:
    if d[2]==0:
        x0.append(d[0])
        y0.append(d[1])
    else:
        x1.append(d[0])
        y1.append(d[1])
plt.scatter(x0,y0)
plt.scatter(x1,y1)
plt.show()