dask_ml.datasets.make_blobs
dask_ml.datasets.make_blobs¶
- dask_ml.datasets.make_blobs(n_samples=100, n_features=2, centers=None, cluster_std=1.0, center_box=(- 10.0, 10.0), shuffle=True, random_state=None, chunks=None)¶
生成用于聚类的各向同性高斯斑点。
此函数可用于在机器集群上生成非常大的 Dask 数组。在使用 Dask 的分布式模式时，客户端机器只需要分配单个块的数据。
- 参数
- n_samplesint 或 array-like, 可选 (默认值=100)
如果是整数，则表示总点数在各聚类中平均分配。如果是 array-like，序列中的每个元素表示每个聚类的样本数。
- n_featuresint, 可选 (默认值=2)
每个样本的特征数量。
- centersint 或 形状为 [n_centers, n_features] 的数组, 可选
(默认值=None) 要生成的中心的数量，或固定的中心位置。如果 n_samples 是整数且 centers 为 None，则生成 3 个中心。如果 n_samples 是 array-like，则 centers 必须为 None 或长度等于 n_samples 长度的数组。
- cluster_stdfloat 或 float 序列, 可选 (默认值=1.0)
聚类的标准差。
- center_boxfloat 对 (min, max), 可选 (默认值=(-10.0, 10.0))
随机生成中心时，每个聚类中心的边界框。
- shuffleboolean, 可选 (默认值=True)
打乱样本。
- random_stateint, RandomState 实例 或 None (默认值)
确定数据集创建的随机数生成。传入一个整数可在多次函数调用中获得可重现的输出。请参阅 术语表。
- chunksint, tuple
如何对数组进行分块。必须是以下形式之一： - 块大小，如 1000。 - 块形状，如 (1000, 1000)。 - 沿所有维度所有块的显式大小，如
((1000, 1000, 500), (400, 400)).
- 返回
- X形状为 [n_samples, n_features] 的数组
生成的样本。
- y形状为 [n_samples] 的数组
每个样本的聚类成员资格的整数标签。
另请参阅
make_classification一个更复杂的变体
示例
>>> from dask_ml.datasets import make_blobs >>> X, y = make_blobs(n_samples=100000, chunks=10000) >>> X dask.array<..., shape=(100000, 2), dtype=float64, chunksize=(10000, 2)> >>> y dask.array<concatenate, shape=(100000,), dtype=int64, chunksize=(10000,)>