पायथन Sklearn: टेस्ट डेटासेट बनाएं (make_blobs, make_circles)

Sklearn सिंथेटिक डेटासेट

sklearn.datasets मॉड्यूल मशीन लर्निंग टेस्टिंग के लिए विभिन्न सिंथेटिक डेटासेट जनरेट करता है।

1. make_blobs: क्लस्टरिंग के लिए आइसोट्रोपिक गाऊसियन ब्लॉब्स

from sklearn.datasets import make_blobs
from matplotlib import pyplot as plt
from matplotlib import style

style.use("fast")

# 200 सैंपल, 4 केंद्र, 2 फीचर्स
X, y = make_blobs(n_samples=200, centers=4,
                  cluster_std=1, n_features=2, random_state=42)

plt.scatter(X[:, 0], X[:, 1], s=60, c='r', alpha=0.7)
plt.xlabel("X")
plt.ylabel("Y")
plt.title("make_blobs: 4 Clusters")
plt.show()

आउटपुट

4 अलग-अलग लाल क्लस्टर्स वाला स्कैटर प्लॉट।

2. make_circles: संकेंद्रित वृत्त

from sklearn.datasets import make_circles
from matplotlib import pyplot as plt
from matplotlib import style

style.use("fast")

# 100 सैंपल, शोर 0.04
X, y = make_circles(n_samples=100, noise=0.04, factor=0.5, random_state=42)

plt.scatter(X[:, 0], X[:, 1], s=40, c='b', alpha=0.7)
plt.xlabel("X")
plt.ylabel("Y")
plt.title("make_circles: Concentric Circles")
plt.show()

आउटपुट

नीले बिंदुओं वाले दो संकेंद्रित वृत्त।

अन्य उपयोगी जनरेटर्स

उपयोग के लाभ

• एल्गोरिदम प्रोटोटाइपिंग के लिए त्वरित डेटा।
• पैरामीटर्स (शोर, क्लस्टर संख्या, आयाम) नियंत्रित करें।
• विज़ुअलाइज़ेशन स्टाइल (रंग, आकार) वास्तविक डेटा से पहले टेस्ट करें।