用sklearn mysql_sklearn 生成随机数据

首先，sklearn是一个Python的机器学习库，而mysql_sklearn则是将sklearn与MySQL数据库结合使用的工具。因此，要生成随机数据并存储到MySQL数据库中，可以按照以下步骤进行：

1. 导入所需的库：

import numpy as np
from sklearn.datasets import make_classification
import mysql.connector
from mysql.connector import Error

2. 生成随机数据：

X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=42)

这里生成了1000个样本，每个样本有10个特征，分为2个类别。

3. 连接到MySQL数据库：

try:
    connection = mysql.connector.connect(host='localhost',
                                         database='mydatabase',
                                         user='myusername',
                                         password='mypassword')
    if connection.is_connected():
        cursor = connection.cursor()
        print("Connected to MySQL database")

except Error as e:
    print("Error while connecting to MySQL", e)

这里需要替换host、database、user和password为实际的值，以连接到正确的MySQL数据库。

4. 创建数据表：

table_name = 'mytable'

create_table_query = f'''CREATE TABLE {table_name} (
                        id INT AUTO_INCREMENT PRIMARY KEY,
                        {', '.join([f'feature_{i} FLOAT' for i in range(X.shape[1])])},
                        label INT
                        )'''

cursor.execute(create_table_query)
connection.commit()

这里创建了一个名为mytable的数据表，包含id、10个特征和一个标签列。

5. 将数据插入到数据表中：

for i in range(X.shape[0]):
    insert_query = f"INSERT INTO {table_name} ("
    insert_query += ', '.join([f'feature_{i}' for i in range(X.shape[1])]) + ', label) VALUES ('
    insert_query += ', '.join([str(X[i][j]) for j in range(X.shape[1])]) + f', {y[i]})'
    cursor.execute(insert_query)
    
connection.commit()

这里遍历所有样本，将每个样本的特征和标签插入到数据表中。

6. 关闭连接：

if connection.is_connected():
    cursor.close()
    connection.close()
    print("MySQL connection is closed")

这里关闭了MySQL连接。

以上是用sklearn和mysql_sklearn生成随机数据并存储到MySQL数据库中的完整过程。