make_swiss_roll#

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

Generiert einen Swiss-Roll-Datensatz.

Lesen Sie mehr im Benutzerhandbuch.

Mit Erlaubnis von Stephen Marslands Code adaptiert [1].

Parameter:

n_samplesint, Standard=100: Die Anzahl der Stichprobenpunkte auf der Schweizer Rolle.
noisefloat, Standard=0.0: Die Standardabweichung des Gaußschen Rauschens.
random_stateint, RandomState-Instanz oder None, default=None: Bestimmt die Zufallszahlengenerierung für die Datenerstellung. Übergeben Sie eine Ganzzahl für reproduzierbare Ergebnisse über mehrere Funktionsaufrufe hinweg. Siehe Glossar.
holebool, Standard=False: Wenn True, wird der Datensatz "Swiss roll with hole" generiert.

Gibt zurück:

Xndarray der Form (n_samples, 3): Die Punkte.
tndarray der Form (n_samples,): Die univariate Position der Stichprobe gemäß der Hauptdimension der Punkte in der Mannigfaltigkeit.

Anmerkungen

Der Algorithmus stammt von Marsland [1].

Referenzen

[1] (1,2)

S. Marsland, „Machine Learning: An Algorithmic Perspective“, 2. Auflage, Kapitel 6, 2014. https://homepages.ecs.vuw.ac.nz/~marslast/Code/Ch6/lle.py

Beispiele

>>> 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,)

Galeriebeispiele#