sklearn.datasets.make_friedman1¶
sklearn.datasets.make_friedman1(n_samples=100, n_features=10, *, noise=0.0, random_state=None)
生成“Friedman＃1”回归问题
该数据集在Friedman[1]和Breiman[2]中进行了描述。
输入X是独立的特征，均匀分布在间隔[0，1]上。根据以下公式创建输出y：
y(X) = 10 * sin(pi * X[:, 0] * X[:, 1]) + 20 * (X[:, 2] - 0.5) ** 2 + 10 * X[:, 3] + 5 * X[:, 4] + noise * N(0, 1).
在n_features个特征中，实际上只有5个用于计算y。其余特征与y无关。
特征数量必须> = 5。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| n_samples | int, optional (default=100) 样本数。 |
| n_features | int, optional (default=10) 特征数量。至少应为5。 |
| noise | float, optional (default=0.0) 应用于输出的高斯噪声的标准偏差。 |
| random_state | int, RandomState instance, default=None 确定数据集噪声的随机数生成。为多个函数调用传递可重复输出的int值。请参阅词汇表。 |
| 返回值 | 说明 |
|---|---|
| X | array of shape [n_samples, n_features] 输入样本。 |
| y | array of shape [n_samples] 输出值 |
参考
1 J. Friedman, “Multivariate adaptive regression splines”, The Annals of Statistics 19 (1), pages 1-67, 1991.
2 L. Breiman, “Bagging predictors”, Machine Learning 24, pages 123-140, 1996.
