make_example_2d_numpy_list

make_example_2d_numpy_list(n_cases: int = 10, min_n_timepoints: int = 8, max_n_timepoints: int = 12, n_labels: int = 2, regression_target: bool = False, random_state: int | None = None, return_y: bool = True) → list[ndarray] | tuple[list[ndarray], ndarray]

随机生成用于测试的numpy X和numpy y的二维列表。

如果返回的是分类标签（regression_target=False），将确保每个标签至少有一个样本。

Parameters:

n_casesint, default = 10

要生成的样本数量。

min_n_timepointsint, default = 8

为单个系列生成的最小特征数/系列长度。

max_n_timepointsint, default = 12

为单个系列生成的最大特征/系列长度。

n_labelsint, default = 2

要生成的唯一标签的数量。

regression_targetbool, default = False

如果为True，目标将是一个标量浮点数，否则为整数。

random_stateint or None, default = None

随机数生成的种子。

return_ybool, default = True

返回目标变量 y。

Returns:

Xlist of np.ndarray

随机生成的潜在不等长二维数据。

ynp.ndarray

如果 return_y 为 True，则随机生成标签。

示例

>>> from aeon.testing.data_generation import make_example_2d_numpy_list
>>> from aeon.utils.validation.collection import get_type
>>> data, labels = make_example_2d_numpy_list(
...     n_cases=2,
...     min_n_timepoints=4,
...     max_n_timepoints=6,
...     n_labels=2,
...     random_state=0,
... )
>>> print(data)  
[array([0.        , 1.6885315 , 1.71589124, 1.69450348]),
        array([2.        , 1.19013843, 0.22685191, 1.09062518, 1.91066047])]
>>> print(labels)
[0 1]