Y来自sklearn.datasets.make_classification

Question

在sklearn.datasets.make_classification中，y类是如何计算的？假设我查了他的：

from sklearn.datasets import make_classification
X, y = make_classification(n_samples=1000, n_features=2, n_informative=2,
                           n_classes=2, n_clusters_per_class=1, random_state=0)

从X中得到y的公式是什么？这些文档在谈到信息丰富的特性时会涉及到这一点：

信息功能的数量。每个类由多个高斯簇组成，每个簇位于维数n_informative的子空间中的超立方体的顶点周围。对于每个簇，信息特征独立于N(0，1)，然后随机线性组合以添加协方差。然后将这些簇放在超立方体的顶点上。

谢谢,

G

Answer 1

不计算y，只是X中的每一行都根据行所在的类在y中得到一个关联的标签(注意n_classes变量)。如果flip_y大于零，这些标签中的一些可能会被翻转，从而在标签中产生噪音。

编辑:给出一个例子

例如，假设您需要2个类、1个信息特性和4个数据点。假设随机生成两个类质心，它们恰好是1.0和3.0。因此，在第一个类(值为1.0)周围生成的每个数据点都得到标签y=0，而在第二个类(值3.0)周围生成的每个数据点都得到标签y=1。例如，第一个类的X1可能恰好是1.2和0.7。对于第二类，这两点可能是2.8和3.1。现在您有了4个数据点，并且您知道它们是为哪个类生成的，所以您的最终数据将是：

Y X1
0 1.2
0 0.7
1 2.8
1 3.1

正如您所看到的，没有任何计算，您只需在随机生成数据时分配类。