用sklearn mysql_sklearn 生成随机数据

你可以使用sklearn库中的make_classification和make_regression函数生成随机数据，再使用mysql_sklearn库中的pandas_to_mysql函数将数据存储到MySQL数据库中。

以下是一个简单的例子：

from sklearn.datasets import make_classification, make_regression
from mysql_sklearn import pandas_to_mysql
import pandas as pd
import mysql.connector

# 生成分类数据
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2)

# 将数据转换为DataFrame
df = pd.DataFrame(data=X, columns=[f"feature_{i}" for i in range(X.shape[1])])
df["target"] = y

# 将数据存储到MySQL数据库中
conn = mysql.connector.connect(user='your_username', password='your_password',
                               host='your_host', database='your_database')
cursor = conn.cursor()
pandas_to_mysql(df, cursor, 'classification_data')
conn.commit()

# 生成回归数据
X, y = make_regression(n_samples=1000, n_features=5)

# 将数据转换为DataFrame
df = pd.DataFrame(data=X, columns=[f"feature_{i}" for i in range(X.shape[1])])
df["target"] = y

# 将数据存储到MySQL数据库中
pandas_to_mysql(df, cursor, 'regression_data')
conn.commit()

# 关闭数据库连接
cursor.close()
conn.close()

这个例子中，我们使用make_classification函数生成了1000个样本，每个样本包含10个特征和一个目标变量（二分类），然后将数据存储到名为classification_data的MySQL表中。接着，我们使用make_regression函数生成了1000个样本，每个样本包含5个特征和一个目标变量（回归），然后将数据存储到名为regression_data的MySQL表中。你可以根据自己的需要修改这个例子。