make_swiss_roll#

sklearn.datasets.make_swiss_roll(n_samples=100, *, noise=0.0, random_state=None, hole=False)[原始碼]#

產生一個瑞士捲資料集。

更多資訊請參閱使用者指南。

參數:
n_samplesint，預設值=100

瑞士捲上的樣本點數量。

noisefloat，預設值=0.0

高斯雜訊的標準差。

random_stateint、RandomState 實例或 None，預設值=None

決定資料集建立的隨機數產生。傳遞一個 int 以便在多次函數調用中產生可重複的輸出。請參閱詞彙表。

holebool，預設值=False

若為 True，則產生帶有孔洞的瑞士捲資料集。

回傳值:
X形狀為 (n_samples, 3) 的 ndarray

這些點。

t形狀為 (n_samples,) 的 ndarray

樣本根據流形中點的主維度的一維位置。

備註

該演算法來自 Marsland [1]。

參考文獻

[1]

S. Marsland, “Machine Learning: An Algorithmic Perspective”, 2nd edition, Chapter 6, 2014. https://homepages.ecs.vuw.ac.nz/~marslast/Code/Ch6/lle.py

範例

>>> 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,)