sklearn make_blobs 参数详解

`make_blobs` 是一个用于生成聚类数据的函数，可以用于测试聚类算法的效果。下面是 `make_blobs` 中常用参数的说明：

- `n_samples`：生成的样本数，默认值为 100。
- `n_features`：生成的特征数，默认值为 2。
- `centers`：指定样本的中心点，可以是整数或数组。当 `centers` 为整数时，表示生成几个中心点；当 `centers` 为数组时，表示指定每个中心点的坐标位置。
- `cluster_std`：每个簇的标准差，表示簇中每个点与该簇中心点的距离。默认值为 1.0。
- `center_box`：指定中心点的范围，当 `centers` 为整数时有效。默认值为 (-10.0, 10.0)。
- `shuffle`：是否打乱样本顺序，默认值为 True。
- `random_state`：随机种子，保证每次生成的样本相同。

例如，以下代码将生成一个包含 300 个样本，共四个中心点的聚类数据集：

from sklearn.datasets import make_blobs

X, y = make_blobs(n_samples=300, centers=4, cluster_std=0.5, random_state=42)

其中，`X` 是生成的样本特征矩阵，`y` 是每个样本所属的簇的标签。可以使用 `matplotlib` 将生成的数据可视化：

import matplotlib.pyplot as plt

plt.scatter(X[:, 0], X[:, 1], c=y, cmap='viridis')
plt.show()

生成的效果如下图所示：