make_swiss_roll#

sklearn.datasets.make_swiss_roll(n_samples=100, *, шум=0.0, random_state=None, дыра=False)[источник]#

Сгенерировать набор данных 'швейцарский рулет'.

Адаптировано с разрешения из кода Стивена Марсленда [1].

Параметры:

n_samplesint, по умолчанию=100: Количество точек выборки на Swiss Roll.
шумfloat, по умолчанию=0.0: Стандартное отклонение гауссовского шума.
random_stateint, экземпляр RandomState или None, по умолчанию=None: Определяет генерацию случайных чисел для создания набора данных. Передайте целое число для воспроизводимого результата при нескольких вызовах функции. См. Глоссарий.
дыраbool, по умолчанию=False: Если True, генерирует набор данных швейцарского рулета с отверстием.

Возвращает:

Xndarray формы (n_samples, 3): Точки.
tndarray формы (n_samples,): Одномерная позиция выборки согласно основному измерению точек в многообразии.

Примечания

Алгоритм взят из Marsland [1].

Ссылки

[1] (1,2)

S. Marsland, «Machine Learning: An Algorithmic Perspective», 2-е издание, Глава 6, 2014. https://homepages.ecs.vuw.ac.nz/~marslast/Code/Ch6/lle.py

Примеры

>>> 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,)

Примеры галереи#