make_swiss_roll

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

生成瑞士卷数据集。

阅读更多的 User Guide .

参数:

n_samplesint，默认=100

瑞士卷上的样本点数量。

noisefloat，默认=0.0

高斯噪音的标准差。

random_stateint，RandomState实例或无，默认=无

确定创建数据集的随机数生成。传递int以获得跨多个函数调用的可重复输出。看到 Glossary .

hole布尔，默认=假

如果True生成带有孔数据集的瑞士卷。

返回:

X形状的nd数组（n_samples，3）

穴位点

t形状的nd数组（n_samples，）

根据流形中点的主维度确定的样本的单变量位置。

注意到

该算法来自Marbitt [1] .

引用

[1]

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

示例

>>> 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,)