scikit-learn庫學習之make_regression函數

一、簡介

make_regression是scikit-learn庫中用于生成回歸問題數據集的函數。它主要用于創(chuàng)建合成的回歸數據集，以便在算法的開發(fā)和測試中使用。

二、語法和參數

sklearn.datasets.make_regression(n_samples=100, n_features=100, *, n_informative=10, n_targets=1, bias=0.0, effective_rank=None, tail_strength=0.5, noise=0.0, shuffle=True, coef=False, random_state=None)

• n_samples: int, 可選，樣本數量，默認值為100。
• n_features: int, 可選，特征數量，默認值為100。
• n_informative: int, 可選，有用特征的數量，默認值為10。
• n_targets: int, 可選，目標變量的數量，默認值為1。
• bias: float, 可選，偏置項，默認值為0.0。
• effective_rank: int 或 None, 可選，矩陣的有效秩（生成具有指定有效秩的低秩矩陣）。
• tail_strength: float, 可選，稀疏奇異值分解的尾部強度，默認值為0.5。
• noise: float, 可選，噪聲的標準差，默認值為0.0。
• shuffle: boolean, 可選，是否在生成樣本后對其進行洗牌，默認值為True。
• coef: boolean, 可選，如果為True，則返回線性模型的系數，默認值為False。
• random_state: int, RandomState instance 或 None, 可選，隨機數生成器的種子。

三、實例

3.1 生成具有默認參數的回歸數據集

import numpy as np
from sklearn.datasets import make_regression# 生成回歸數據集
X, y = make_regression()print("特征矩陣X:\n", X)
print("目標變量y:\n", y)

輸出：

特征矩陣X:[[ 0.22149882 -0.06453352  0.12052486 ... -0.82411415  0.23856925-0.16168211][-0.20101287 -0.44072967 -1.14649484 ...  0.63646684 -0.425003860.4671914 ]...[ 0.90505363 -0.53703078  0.50773971 ...  1.14990328  0.05411115-0.08363001]]
目標變量y:[-144.31924045  181.62052712  -48.9289649  ...  235.29125152223.43232493  102.79266155]

3.2 生成帶有噪聲和偏置的回歸數據集

import numpy as np
from sklearn.datasets import make_regression# 生成帶有噪聲和偏置的回歸數據集
X, y = make_regression(noise=10.0, bias=100.0)print("特征矩陣X:\n", X)
print("目標變量y:\n", y)

輸出：

特征矩陣X:[[ 1.24086241  0.00303736  1.17925455 ... -1.07069539  0.93889406-0.22232984][-0.74205332  0.65462794  0.14662052 ... -0.59564518  1.286698671.00484528]...[ 1.00952406 -0.34893754  0.04816599 ...  0.53224443  1.08944202-0.68298357]]
目標變量y:[  97.85236613   57.67386596  143.4882752  ...  -43.32816291-160.72606466  -91.79449558]

3.3 生成指定有效秩的回歸數據集

import numpy as np
from sklearn.datasets import make_regression# 生成指定有效秩的回歸數據集
X, y = make_regression(effective_rank=2)print("特征矩陣X:\n", X)
print("目標變量y:\n", y)

輸出：

特征矩陣X:[[-0.13033419 -0.11927356 -0.1261044  ... -0.11075221 -0.09502064-0.15613214][-0.12111371 -0.1146456  -0.1225812  ... -0.10441777 -0.09032011-0.14703234]...[-0.13796815 -0.12383917 -0.13535568 ... -0.11880625 -0.10313284-0.17030849]]
目標變量y:[-123.66530542 -143.25411773 -127.83807546 ... -145.23413153-131.64245155 -124.93295103]

四、注意事項

• 參數n_samples和n_features決定了生成數據集的大小和維度。
• n_informative參數決定了有用特征的數量，這些特征對目標變量有顯著影響。
• noise參數添加到目標變量中的噪聲，值越大，數據越不純。
• 設置random_state參數以確保每次生成數據的一致性。
• 如果需要生成指定秩的矩陣，可以使用effective_rank參數。