sklearn.datasets.make_friedman3¶
sklearn.datasets.make_friedman3(n_samples=100, *, noise=0.0, random_state=None)[source]
生成“ Friedman＃3”回归问题
该数据集在Friedman[1]和Breiman[2]中进行了描述。
输入X是在区间上均匀分布的4个独立特征：
0 <= X[:, 0] <= 100,
40 * pi <= X[:, 1] <= 560 * pi,
0 <= X[:, 2] <= 1,
1 <= X[:, 3] <= 11.
根据以下公式创建输出y：
y(X) = arctan((X[:, 1] * X[:, 2] - 1 / (X[:, 1] * X[:, 3])) / X[:, 0]) + noise * N(0, 1).
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。 |
| 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, 4] 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.