scikit learn回归建模生成数据

在Scikit-learn中，我们可以使用make_regression函数生成随机的回归数据。make_regression函数可以指定数据集的大小、噪声、特征数量等参数，返回一个二元组，分别是特征数组和目标数组。下面是一个示例代码：

from sklearn.datasets import make_regression

# 生成100个样本，每个样本有10个特征，目标值的噪声为10
X, y = make_regression(n_samples=100, n_features=10, noise=10)

# 查看数据形状
print(X.shape, y.shape)

这个例子生成了一个包含100个样本、每个样本有10个特征的数据集，目标值的噪声为10。我们可以使用numpy的shape属性查看数据集的形状，即样本数和特征数。

除了make_regression函数，Scikit-learn还提供了许多其他的数据生成函数，比如make_classification、make_blobs、make_swiss_roll等等，可以根据需要生成不同的数据集。