如何使用numpy生成多类测试数据集？

Question

我只想使用numpy为分类问题生成一个多类测试数据集。例如，X是维数(Mxn)的数组，y是维数(Mx1)的数组，假设有k个。类的数量。请帮我弄一下代码。其中，X表示要素，y表示标注

Answer 1

您可以像这样使用np.random.randint：

import numpy as np
m = 4
n = 4
k = 5
X = np.random.randint(0,2,(m,n))

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

y = np.random.randint(0,k,m)

y
array([3, 3, 0, 4])

Answer 2

您可以使用numpy创建多类数据集，如下所示：

def generate_dataset(size, classes=2, noise=0.5):
    # Generate random datapoints
    labels = np.random.randint(0, classes, size)
    x = (np.random.rand(size) + labels) / classes
    y = x + np.random.rand(size) * noise
    # Reshape data in order to merge them
    x = x.reshape(size, 1)
    y = y.reshape(size, 1)
    labels = labels.reshape(size, 1)
    # Merge the data
    data = np.hstack((x, y, labels))
    return data

当使用matplotlib可视化时，生成的数据将如下所示-

​

您可以使用classes和noise参数更改类的数量和数据的分布。这里我保持了x轴和y轴值之间的线性关系，也可以根据需要改变。