make_swiss_roll#
- sklearn.datasets.make_swiss_roll(n_samples=100, *, noise=0.0, random_state=None, hole=False)#
生成一个瑞士卷数据集。
更多信息请参阅 用户指南 。
- Parameters:
- n_samplesint, default=100
瑞士卷上的样本点数量。
- noisefloat, default=0.0
高斯噪声的标准差。
- random_stateint, RandomState 实例或 None, default=None
确定用于数据集创建的随机数生成。为多个函数调用传递一个 int 以获得可重现的输出。 请参阅 术语表 。
- holebool, default=False
如果为 True，生成带孔的瑞士卷数据集。
- Returns:
- Xndarray of shape (n_samples, 3)
点。
- tndarray of shape (n_samples,)
样本在流形中主要维度上的单变量位置。
Notes
该算法来自 Marsland [1]。
References
[1]S. Marsland, “Machine Learning: An Algorithmic Perspective”, 第二版, 第6章, 2014年。 https://homepages.ecs.vuw.ac.nz/~marslast/Code/Ch6/lle.py
Examples
>>> from sklearn.datasets import make_swiss_roll >>> X, t = make_swiss_roll(noise=0.05, random_state=0) >>> X.shape (100, 3) >>> t.shape (100,)
