sklearn.datasets.make_friedman1

sklearn.datasets.make_friedman1(n_samples=100, n_features=10, *, noise=0.0, random_state=None)

[源码]

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.