np.random.seed(0) X = np.r_[np.random.randn(20, 2) - [3, 3], np.random.randn(20, 2) + [3, 3]] Y = 20 * [0] + 20 * [1]

这段代码生成了一个包含40个样本的数据集，其中前20个样本属于第0类，后20个样本属于第1类。其中，每个样本由2个特征构成，这些特征是从均值为[3,3]和方差为1的正态分布中随机生成的，前20个样本的特征值都减去了[3,3]，后20个样本的特征值都加上了[3,3]。np.random.seed(0)是设置随机数种子，保证每次生成的数据集相同。

相关问题

解释下面这段代码np.random.seed(1) X=np.r_[np.random.randn(10,2)-[2,2],np.random.randn(10,2)+[2,2]]

这段代码主要是用来生成一个二维随机数组X并且设置其随机种子（种子数为1）。其中，np.random.randn(10,2)表示生成一个10行2列的服从标准正态分布的随机数组，减去[2,2]表示将其所有元素都减去2。np.r_[]函数将两个随机数组进行拼接，其中第一个随机数组减去了[2,2]，第二个随机数组加上了[2,2]，得到的是一个20行2列的随机数组X。

np.random.seed(1) N = 100 D = 2 X = np.random.randn(N, D) y = np.random.choice([-1, 1], size=N)

这段代码使用了 NumPy 库，首先通过设置随机种子为 1，生成了一个形状为 (100, 2) 的二维数组 X，其中每个元素都是从标准正态分布中随机抽取得到的。然后通过 np.random.choice 函数在 [-1, 1] 中随机选择 N 个数，作为标签 y。最终得到了一个包含 N 个样本和 D 个特征的数据集。