Python的make_classification函数

`make_classification()`函数是Scikit-learn库中的一个函数，用于生成分类数据集。该函数可以生成指定数量的样本，每个样本包含多个特征和一个类别标签。这个函数的常用参数如下：

- `n_samples`：生成样本的数量；
- `n_features`：每个样本的特征数量；
- `n_informative`：有信息量的特征的数量；
- `n_redundant`：冗余特征的数量；
- `n_repeated`：重复特征的数量；
- `n_classes`：生成数据集的类别数量；
- `n_clusters_per_class`：每个类别中的簇数量；
- `weights`：每个类别的权重；
- `class_sep`：每个类别的分离度；
- `random_state`：随机数种子。

使用示例：

from sklearn.datasets import make_classification

X, y = make_classification(n_samples=1000, n_features=10, n_informative=5, n_redundant=2, n_classes=2, weights=[0.7, 0.3], class_sep=1.0, random_state=42)

该代码将生成1000个样本，其中每个样本有10个特征，其中5个特征有信息量，2个特征是冗余的。生成的数据集有2个类别，第一个类别的权重是0.7，第二个类别的权重是0.3。每个类别中有1个簇。每个类别之间的分离度是1.0。随机数种子为42。