sklearn 的 make_classification详解

make_classification是scikit-learn中的一个函数，用于生成分类数据集。它可以根据指定的参数生成多类、二分类或多标签分类的数据集。

函数的常用参数如下：

- n_samples：生成样本数。
- n_features：样本特征数。
- n_informative：生成数据集中有信息的特征数。
- n_redundant：生成数据集中冗余特征数。
- n_repeated：生成数据集中重复特征数。
- n_classes：生成数据集中的类别数，默认为2。
- n_clusters_per_class：每个类别中的簇数。
- weights：每个类别的权重。

下面是一个使用make_classification生成二分类数据集的例子：

from sklearn.datasets.samples_generator import make_classification
import matplotlib.pyplot as plt

# 生成二分类数据集
X, y = make_classification(n_samples=100, n_features=2, n_informative=2, n_redundant=0, n_clusters_per_class=1)

# 绘制数据集
plt.scatter(X[:, 0], X[:, 1], marker='o', c=y, s=25, edgecolor='k')
plt.show()

该代码生成了一个包含100个样本，每个样本有2个特征，其中有2个特征具有信息，没有冗余特征，每个类别中有1个簇的二分类数据集，并将其绘制出来。

make_classification函数的灵活性很高，可以通过调整参数生成不同种类的数据集，可以用于分类模型的测试和演示。