????在學(xué)習(xí)機(jī)器學(xué)習(xí)算法的過程中，我們經(jīng)常需要數(shù)據(jù)來驗(yàn)證算法，調(diào)試參數(shù)。但是找到一組十分合適某種特定算法類型的數(shù)據(jù)樣本卻不那么容易。還好numpy, scikit-learn都提供了隨機(jī)數(shù)據(jù)生成的功能，我們可以自己生成適合某一種模型的數(shù)據(jù)，用隨機(jī)數(shù)據(jù)來做清洗，歸一化，轉(zhuǎn)換，然后選擇模型與算法做擬合和預(yù)測(cè)。

1. numpy隨機(jī)數(shù)據(jù)生成API????

numpy比較適合用來生產(chǎn)一些簡(jiǎn)單的抽樣數(shù)據(jù)。API都在random類中，常見的API有：

1)rand(d0,d1,...,dn) 用來生成d0×d1×...dn維的數(shù)組 。數(shù)組的值在[0,1)之間

例如:np.random.rand(3,2,2)，輸出如下3×2×2的數(shù)組

array([[[ 0.49042678, 0.60643763], [ 0.18370487, 0.10836908]], [[ 0.38269728, 0.66130293], [ 0.5775944 , 0.52354981]],

[[ 0.71705929, 0.89453574], [ 0.36245334, 0.37545211]]])

2)randn((d0,d1,...,dn)也是用來生成d0xd1x...dn維的數(shù)組。不過數(shù)組的值服從N(0,1)的標(biāo)準(zhǔn)正態(tài)分布。

例如：np.random.randn(3,2)，輸出如下3x2的數(shù)組，這些值是N(0,1)的抽樣數(shù)據(jù)。

array([[-0.5889483 , -0.34054626], [-2.03094528, -0.21205145], [-0.20804811, -0.97289898]])

如果需要服從的正態(tài)分布，只需要在randn上每個(gè)生成的值x上做變換即可 。

例如:2*np.random.randn(3,2) + 1，輸出如下3x2的數(shù)組，這些值是N(1,4)的抽樣數(shù)據(jù)。

array([[ 2.32910328, -0.677016 ], [-0.09049511, 1.04687598], [ 2.13493001, 3.30025852]])

3)randint(low[,high,size])，生成隨機(jī)的大小為size的數(shù)據(jù)，size可以為整數(shù)，為矩陣維數(shù)，或者張量的維數(shù)。值位于半開區(qū)間 [low, high)。

例如:np.random.randint(3, size=[2,3,4])返回維數(shù)維2x3x4的數(shù)據(jù)，取值范圍為最大值為3的整數(shù)。

array([[[2, 1, 2, 1],[0, 1, 2, 1],[2, 1, 0, 2]],[[0, 1, 0, 0],[1, 1, 2, 1],[1, 0, 1, 2]]])

再比如: np.random.randint(3, 6, size=[2,3]) 返回維數(shù)為2x3的數(shù)據(jù)。取值范圍為[3,6).

array([[4, 5, 3], [3, 4, 5]])

4)random_integers(low[,high,size])，和上面的randint類似，區(qū)別在于取值范圍是閉區(qū)間[low, high]。

5)random_sample([size])，返回隨機(jī)的浮點(diǎn)數(shù)，在半開區(qū)間 [0.0, 1.0)。如果是其他區(qū)間[a,b)，可以加以轉(zhuǎn)換(b - a) * random_sample([size]) + a

例如： (5-2)*np.random.random_sample(3)+2 返回[2,5)之間的3個(gè)隨機(jī)數(shù)。

array([ 2.87037573, 4.33790491, 2.1662832 ])

2. scikit-learn隨機(jī)數(shù)據(jù)生成API介紹

scikit-learn生成隨機(jī)數(shù)據(jù)的API都在datasets類之中，和numpy比起來，可以用來生成適合特定機(jī)器學(xué)習(xí)模型的數(shù)據(jù)。常用的API有：

1) 用make_regression生成回歸模型的數(shù)據(jù)

2) 用make_hastie_10_2，make_classification或者make_multilabel_classification生成分類模型數(shù)據(jù)

3) 用make_blobs生成聚類模型數(shù)據(jù)

4) 用make_gaussian_quantiles生成分組多維正態(tài)分布的數(shù)據(jù)

3. scikit-learn隨機(jī)數(shù)據(jù)生成實(shí)例

3.1回歸模型隨機(jī)數(shù)據(jù)

這里我們使用make_regression生成回歸模型數(shù)據(jù)。幾個(gè)關(guān)鍵參數(shù)有n_samples（生成樣本數(shù)）， n_features（樣本特征數(shù)），noise（樣本隨機(jī)噪音）和coef（是否返回回歸系數(shù)）。例子代碼如下：

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets.samples_generator import make_regression # X為樣本特征，y為樣本輸出， coef為回歸系數(shù)，共1000個(gè)樣本，每個(gè)樣本1個(gè)特征X, y, coef =make_regression(n_samples=1000, n_features=1,noise=10, coef=True)# 畫圖plt.scatter(X, y, color='black')plt.plot(X, X*coef, color='blue',linewidth=3)plt.xticks(())plt.yticks(())plt.show()

輸出的圖如下：

3.2 分類模型隨機(jī)數(shù)據(jù)

這里我們用make_classification生成三元分類模型數(shù)據(jù)。幾個(gè)關(guān)鍵參數(shù)有n_samples（生成樣本數(shù)）， n_features（樣本特征數(shù)）， n_redundant（冗余特征數(shù)）和n_classes（輸出的類別數(shù)），例子代碼如下：

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets.samples_generator import make_classification # X1為樣本特征，Y1為樣本類別輸出， 共400個(gè)樣本，每個(gè)樣本2個(gè)特征，輸出有3個(gè)類別，沒有冗余特征，每個(gè)類別一個(gè)簇X1, Y1 = make_classification(n_samples=400, n_features=2, n_redundant=0, n_clusters_per_class=1, n_classes=3)plt.scatter(X1[:, 0], X1[:, 1], marker='o', c=Y1)plt.show()

輸出的圖如下：

3.3 聚類模型隨機(jī)數(shù)據(jù)

這里我們用make_blobs生成聚類模型數(shù)據(jù)。幾個(gè)關(guān)鍵參數(shù)有n_samples（生成樣本數(shù)）， n_features（樣本特征數(shù)），centers(簇中心的個(gè)數(shù)或者自定義的簇中心) 和 cluster_std（簇?cái)?shù)據(jù)方差，代表簇的聚合程度）。例子如下：

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets.samples_generator import make_blobs # X為樣本特征，Y為樣本簇類別， 共1000個(gè)樣本，每個(gè)樣本2個(gè)特征，共3個(gè)簇，簇中心在[-1,-1], [1,1], [2,2]， 簇方差分別為[0.4, 0.5, 0.2]X, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1,-1], [1,1], [2,2]], cluster_std=[0.4, 0.5, 0.2])plt.scatter(X[:, 0], X[:, 1], marker='o', c=y)plt.show()

輸出的圖如下：

3.4 分組正態(tài)分布混合數(shù)據(jù)

我們用make_gaussian_quantiles生成分組多維正態(tài)分布的數(shù)據(jù)。幾個(gè)關(guān)鍵參數(shù)有n_samples（生成樣本數(shù)），n_features（正態(tài)分布的維數(shù)），mean（特征均值），cov（樣本協(xié)方差的系數(shù)）， n_classes（數(shù)據(jù)在正態(tài)分布中按分位數(shù)分配的組數(shù)）。 例子如下：

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import make_gaussian_quantiles#生成2維正態(tài)分布，生成的數(shù)據(jù)按分位數(shù)分成3組，1000個(gè)樣本,2個(gè)樣本特征均值為1和2，協(xié)方差系數(shù)為2X1, Y1 = make_gaussian_quantiles(n_samples=1000, n_features=2, n_classes=3, mean=[1,2],cov=2)plt.scatter(X1[:, 0], X1[:, 1], marker='o', c=Y1)

輸出圖如下：

以上就是生產(chǎn)隨機(jī)數(shù)據(jù)的一個(gè)總結(jié)，希望可以幫到學(xué)習(xí)機(jī)器學(xué)習(xí)算法的朋友們。