随机数据的生成

import numpy as np
# （1）random(d0,d1,....dn)用来生成d0*d1*....*dn维的数组。数组的值在[0，1）之间
np.random.rand(3,2,2)#生成一个3*2*2的数组

    array([[[0.10141273, 0.97087629],
        [0.57045156, 0.62780166]],

       [[0.15425975, 0.21828791],
        [0.03630166, 0.60174227]],

       [[0.20345412, 0.51719419],
        [0.77047215, 0.67555402]]])


# randn(d0,d1,....dn),也是用来生成d0*d1*...dn维的数组，不过数组的值服从N(0,1)的标准生态分布。
np.random.randn(3,2)#输出如下3*2的数组，这些值是N(0,1)的抽样数据；如果需要服从N(μ,σ2)的正态分布，只需要在randn上每个生成的值x上做变换σx+μ即可

    
Out[3]:
array([[ 0.34949238, -1.39017794],
       [ 1.27691143, -0.71375712],
       [-0.56303407,  0.96331818]])


# randint(low,[,high,size]),生成随机的大小为size的数据，size可以为整数，为矩阵位数，或者张量的位数，值位于半开区间[low,high)
np.random.randint(3,size=[2,3,4])

    
Out[4]:
array([[[2, 1, 0, 0],
        [2, 0, 0, 1],
        [1, 1, 1, 0]],

       [[1, 0, 0, 1],
        [2, 2, 2, 2],
        [0, 0, 0, 1]]])


# random_integers(low[,high,size]),和上面的randint类似，区别在于取值范围是闭区间【low，high】
# random_sample([size]),返回随机的浮点数，在半开区间【0.0，1.0）如果是其他区间【a，b），可以加以转换[a,b),可以加以转换（b-a*random_sample([size])+a

# scikit_learn随机数据生成api介绍
# sklearn生成随机数据的api都在datasets类之中，和numpy比起来，可以用来生成适合特定机器学习模型的数据。常见的api有：
# 1、用make_regression生成回归模型数据
# 2、用make_hastie_10_2，make_classification或者make_multilabel_classification生成分类模型数据
# 3、用make_blobs生成聚类模型数据
# 4、用make_gaussian_quantiles生成


# 1、回归模型随机数据
# 使用make_regression生成回归模型数据。几个关键参数有n_samples（生成样本数）， n_features（样本特征数），noise（样本随机噪音）和coef（是否返回回归系数）。
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets.samples_generator import make_regression
# X为样本特征，y为样本输出，coef为回归系数，共1000个样本，每个样本1个特征
X,y,coef = make_regression(n_samples=1000,n_features = 1,noise=10,coef=True)
# 画图
plt.scatter(X,y,color='black')
plt.plot(X,X*coef,color='blue',linewidth=3)
plt.xticks(())
plt.yticks(())
plt.show()


# 2、分类模型随机数据
# 用make_classification生成三元分类模型数据。几个关键参数有n_samples（生成样本数）， n_features（样本特征数）， n_redundant（冗余特征数）和n_classes（输出的类别数）
import numpy as np
import matplotlib.pyplot as plt 
%matplotlib inline
from sklearn.datasets.samples_generator import make_classification
# X1为样本特征，Y1为样本类别输出，共400个样本，每个样本2个特征，输出有3个类别，没有冗余特征，每个类别一个簇
X1,Y1 = make_classification(n_samples=400,n_features = 2,n_redundant=0,n_clusters_per_class=1,n_classes=3)
plt.scatter(X1[:,0],X1[:,1],marker='o',c=Y1)
plt.show()


#3、聚类模型随机数据
#用make_blobs生成聚类模型数据。几个关键参数有n_samples（生成样本数）， n_features（样本特征数），centers(簇中心的个数或者自定义的簇中心)和cluster_std（簇数据方差，代表簇的聚合程度）
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets.samples_generator import make_blobs
# X为样本特征，Y为样本簇类别，共1000个样本，每个样本2个特征，共3个簇，簇中心为[-1,-1],[1,1],[2,2],簇方差分别为[0.4,0.5,0.2]]
X,y = make_blobs(n_samples=1000,n_features=2,centers=[[-1,-1],[1,1],[2,2]],cluster_std=[0.4,0.5,0.2])
plt.scatter(X[:,0],X[:,1],marker='o',c=y)
plt.show()


# 4、分组正态分布混合数据
# 用make_gaussian_quantiles生成分组多维正态分布的数据。几个关键参数有n_samples（生成样本数）， n_features（正态分布的维数），mean（特征均值）， cov（样本协方差的系数）， n_classes（数据在正态分布中按分位数分配的组数）。
import numpy as np
import matplotlib.pyplot as plt 
%matplotlib inline
from sklearn.datasets import make_gaussian_quantiles
# 生成2维正态分布，生成的数据按分位数分成3组，1000样本，2个样本均值为1和2，协方差系数为2
X1,Y1 =make_gaussian_quantiles(n_samples=1000,n_features=2,n_classes=3,mean=[1,2],cov=2)
plt.scatter(X1[:,0],X1[:,1],marker='o',c=Y1)