make_sparse_uncorrelated

sklearn.datasets.make_sparse_uncorrelated(n_samples=100, n_features=10, *, random_state=None)

生成一个具有稀疏不相关设计的随机回归问题。

该数据集在Celeux等人的[1]中描述为:

X ~ N(0, 1)
y(X) = X[:, 0] + 2 * X[:, 1] - 2 * X[:, 2] - 1.5 * X[:, 3]

只有前4个特征是有信息量的。其余特征是无用的。

更多信息请参阅 用户指南 。

Parameters:

n_samplesint, 默认=100

样本数量。

n_featuresint, 默认=10

特征数量。

random_stateint, RandomState实例或None, 默认=None

用于数据集创建的随机数生成。传递一个int以在多次函数调用中获得可重复的输出。 请参阅 Glossary 。

Returns:

Xndarray of shape (n_samples, n_features)

输入样本。

yndarray of shape (n_samples,)

输出值。

References

[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.

Examples

>>> from sklearn.datasets import make_sparse_uncorrelated
>>> X, y = make_sparse_uncorrelated(random_state=0)
>>> X.shape
(100, 10)
>>> y.shape
(100,)