Začněte nyníZačněte zdarma

Generování datasetů pro klasifikaci

Najít skutečný dataset, který splňuje všechny požadované kombinace kritérií, může být složité – a pokud by byl nasbírán, mohl by přinášet obavy o soukromí. Jako řešení můžeš použít generátory datasetů, které dobře aproximují reálná data.

V tomto cvičení vytvoříš velký dataset pro klasifikační úlohu se 3 třídami. Pro snadnou vizualizaci vygenerovaných dat jako bodového grafu je k dispozici vlastní funkce plot_data_points().

Toto cvičení je součástí kurzu

Ochrana soukromí a anonymizace dat v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Importuj odpovídající funkci z sklearn.datasets pro generování klasifikačních datasetů.
  • Vygeneruj 5000 vzorků se 4 příznaky, 1 klastrem na třídu, 3 třídami a separací tříd 2.
  • Vypiš tvar vygenerovaných dat.
  • Prohlédni si výsledný bodový graf.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the function for generating classification datasets
from sklearn.datasets import ____

# Generate 5000 samples with 4 features, 1 cluster per class, 3 classes, and class separation of 2
x, y = ____

# Inspect the generated data shape
print(____)

# Inspect the resulting data points in a 2 dimensional scatter plot
plot_data_points(x, y)
Upravit a spustit kód