sklearn.datasets.make_sparse_uncorrelated¶
sklearn.datasets.make_sparse_uncorrelated(n_samples=100, n_features=10, *, random_state=None)
使用稀疏的不相关设计生成随机回归问题
该数据集在Celeux等人的文献[1]中进行了描述。如：
X ~ N(0, 1)
y(X) = X[:, 0] + 2 * X[:, 1] - 2 * X[:, 2] - 1.5 * X[:, 3]
只有前4个特征可以提供信息。其余特征用不到。
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。 |
| random_state | int, RandomState instance, default=None 确定用于生成数据集的随机数生成。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
G. Celeux, M. El Anbari, J.-M. Marin, C. P. Robert, “Regularization in regression: comparing Bayesian and frequentist methods in a poorly informative situation”, 2009.
