sklearn库中有什么二维线性可分数据集

在sklearn库中，可以使用`make_classification`函数生成二维线性可分数据集。这个函数可以生成具有指定数量样本和特征的数据集，可以通过参数控制数据集的线性可分程度、噪声、类别个数等等。其中，`n_classes`参数控制数据集的类别个数，默认为2，即二分类问题；`n_features`参数控制数据集的特征数，这里可以设为2，生成二维数据；`n_informative`参数控制数据集中有用的特征数，建议设置为2，这样生成的数据集就是线性可分的。下面是一个例子：

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

X, y = make_classification(n_samples=100, n_features=2, n_informative=2, n_redundant=0, n_clusters_per_class=1, random_state=42)

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

这段代码生成了100个二维样本点，其中两个特征是有用的特征，数据集是线性可分的。可以通过可视化观察数据点的分布情况。