在scikit-learn是一个基于python编程语言的开源机器学习库,他具有各种分类,回归和聚类算法,并可以与python数值和科学计算库numpy以及scipy互操作.

1.块状数据集

这个数据集用于测试聚类算法,该数据集是特意设计,专门用于测试聚类算法的准确程度的

以下是生成块状数据集的方法

sklearn.darasets.make_blobs(n_samples=100,n_features=2,centers=3,cluster_std=1.0,center_box=(-10,10),shuffle=true,random_state=None)

其中

n_samples是数据数目

n_features是特征数据的列的数目(纬度)

centers是类的中心

cluster_std标准差

center_box是堆积生成数据中心时的中心的边界

shuffle 是否打乱样本

random_state 随机种子

2.环形数据集

这是一个圆环套圆环的数据集,这是一个非线性可分的问题,所以需要使用非线性模型,对于这种数据集,简单的算法如k-means就不能处理.

下面是生成环形数据集的方法:

sklearn.datasets.make_circles（n_samples = 100，shuffle = True，noise = None，random_state = None，factor = 0.8）

n_samples是数据的数目，shuffle指数据是否发乱，noise是添加到圆形数据集上的随机噪声数据，random_state是随机种子，factor是环形数据间的比例因子。