.. _sample_generators:

生成的数据集
============

.. currentmodule:: sklearn.datasets

此外，scikit-learn 包含了各种随机样本生成器，可以用来构建受控大小和复杂度的人工数据集。

分类和聚类的生成器
------------------

这些生成器产生特征矩阵和相应的离散目标。

单标签
~~~~~~

:func:`make_blobs` 和 :func:`make_classification` 通过为每个类分配一个或多个正态分布的点簇来创建多类数据集。:func:`make_blobs` 提供了关于每个簇的中心和标准差的更大控制，用于演示聚类。:func:`make_classification` 专门通过以下方式引入噪声：相关、冗余和不具信息性的特征；每个类的多个高斯簇；以及特征空间的线性变换。

:func:`make_gaussian_quantiles` 将单个高斯簇划分为近似等大小的类，由同心超球面分隔。:func:`make_hastie_10_2` 生成一个类似的二元、10维问题。

.. image:: ../auto_examples/datasets/images/sphx_glr_plot_random_dataset_001.png
   :target: ../auto_examples/datasets/plot_random_dataset.html
   :scale: 50
   :align: center

:func:`make_circles` 和 :func:`make_moons` 生成二维二元分类数据集，这些数据集对某些算法（例如基于质心的聚类或线性分类）具有挑战性，包括可选的高斯噪声。它们对于可视化很有用。:func:`make_circles` 生成具有球形决策边界的二元分类的高斯数据，而 :func:`make_moons` 生成两个相互交错的半圆。

多标签
~~~~~~

:func:`make_multilabel_classification` 生成具有多个标签的随机样本，反映了一个从多个主题混合中抽取的词袋。标签的数量
每个文档的主题是从泊松分布中抽取的，而主题本身是从固定的随机分布中抽取的。类似地，单词的数量也是从泊松分布中抽取的，单词则从多项分布中抽取，其中每个主题定义了单词上的概率分布。相对于真实的词袋混合模型的简化包括：

* 每个主题的单词分布是独立抽取的，而实际上所有分布都会受到稀疏基础分布的影响，并且会相互关联。
* 对于从多个主题生成的文档，所有主题在生成其词袋时权重相等。
* 没有标签的文档随机抽取单词，而不是从基础分布中抽取。

.. image:: ../auto_examples/datasets/images/sphx_glr_plot_random_multilabel_dataset_001.png
   :target: ../auto_examples/datasets/plot_random_multilabel_dataset.html
   :scale: 50
   :align: center

双聚类
~~~~~~

.. autosummary::

   make_biclusters
   make_checkerboard


回归生成器
----------

:func:`make_regression` 生成回归目标作为随机特征的随机线性组合（可选稀疏），并带有噪声。其信息特征可能不相关，或者低秩（少数特征解释了大部分方差）。

其他回归生成器从随机特征中确定性地生成函数。:func:`make_sparse_uncorrelated` 生成一个目标作为四个特征的线性组合，具有固定系数。其他生成器明确编码非线性关系：:func:`make_friedman1` 通过多项式和正弦变换相关；:func:`make_friedman2` 包括特征乘法和倒数；而 :func:`make_friedman3` 类似，但在目标上进行了反正切变换。

流形学习生成器
----------------

.. autosummary::

   make_s_curve
   make_swiss_roll

分解生成器
----------

.. autosummary::

   make_low_rank_matrix

make_sparse_coded_signal
make_spd_matrix
make_sparse_spd_matrix