[scikit-learn] 1. make_blobsによる分類用データの生成

はじめに

sklearnのdatasets.make_blobsでクラスタリング用のデータを作成することができる。データポイントはガウス分布に従い生成する。ここでは各種パラメータが生成データに及ぼす影響について説明する。

n_samplesを変化させることでサンプル数を変えることができる。

centersを変えることでクラスターの数を変えることができる。

n_featuresを変えることデータセットの列数を変えることができる。

random_stateを変えることで再現可能な乱数を生成することができる。

cluster_stdを変えることでクラスターの分布の標準偏差を変えることができる。

center_boxを変えることでクラスターの中心が取ることのできる範囲を設定できる。

shuffleをFalseとすることでラベルがソートされたデータを得ることができる。デフォルトはTrue.

return_centersをTrueとすることでreturnでクラスターの中心の座標が得られる。