“n_features”和“center”参数在SciKit中的make_blobs中意味着什么？

Posted 2021-05-03

我在n_features中查看了centers函数中make_blobs和SciKit参数的文档。然而，我所看到的每一个解释对我来说都不是那么清楚，因为我是SciKit和数学的新手。我想知道这两个参数是做什么的：n_features，centers在make_blobs中的功能如下所示。

make_blobs(n_samples=50, n_features=2, centers=2, random_state=75)

先感谢您。

答案

make_blobs函数是sklearn.datasets.samples_generator的一部分。包中的所有方法都可以帮助我们生成数据样本或数据集。在机器学习中，数据集用于评估机器学习模型的性能。这是关于如何评估KNN classifier的示例：

from sklearn.datasets.samples_generator import make_blobs
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

X, y = make_blobs(n_features=2, centers=3)
X_train, X_test, y_train, y_test = train_test_split(X, y)
model = KNeighborsClassifier()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)
acc = accuracy_score(y_test, y_pred) * 100
print('accuracy: {}%'.format(acc))

现在，如您所述，n_features确定生成的数据集将包含多少列或特征。在机器学习中，特征对应于数字特征数据。例如，在Iris Dataset中，有4个特征（Sepal Length，Sepal Width，Petal Length和Petal Width），因此数据集中有4个数字列。因此，通过增加n_features中的make_blobs，我们将添加更多功能，从而增加生成的数据集的复杂性。

至于centers，通过可视化生成的数据集更容易理解。我使用matplotlib来帮助我们：

from sklearn.datasets.samples_generator import make_blobs
import matplot

# plot 1
X, y = make_blobs(n_features=2, centers=1)
plt.figure()
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.savefig('centers_1.png')
plt.title('centers = 1')

# plot 2    
X, y = make_blobs(n_features=2, centers=3)
plt.figure()
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.title('centers = 2')

# plot 3
X, y = make_blobs(n_features=2, centers=3)
plt.figure()
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.title('centers = 3')

plt.show()

如果运行上面的代码，您可以很容易地看到centers对应于数据中生成的类的数量。它使用中心作为术语，因为属于同一类的样本倾向于聚集在一个中心（坐标）附近。