ComenzarEmpieza gratis

Generar conjuntos de datos para clustering

Los datos sintéticos son totalmente legales y cumplen todos los requisitos de las leyes y normativas de privacidad en todo el mundo. Son una alternativa válida y respetuosa con la privacidad frente a los datos en bruto. La función make_blobs() se puede usar para generar puntos de datos con una distribución gaussiana (o normal).

En este ejercicio, vas a generar un conjunto de datos de 15000 muestras.

numpy ya se ha importado como np, y se ha proporcionado de nuevo la función personalizada plot_data_points() para este ejercicio.

Este ejercicio forma parte del curso

Privacidad de datos y anonimización en Python

Ver curso

Instrucciones del ejercicio

  • Importa la función correspondiente del módulo datasets para generar conjuntos de datos de clustering.
  • Genera un conjunto de datos de 15000 muestras con 2 características, 2 centros y una desviación estándar de los clústeres de 3.
  • Imprime la forma del conjunto de datos resultante.
  • Inspecciona los puntos resultantes en un diagrama de dispersión bidimensional.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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

# Generate a dataset with 15000 rows, 2 features, 2 centers, and a cluster std of 3
x, labels = ____

# Print the shape of the resulting generated data
print(____)

# See the resulting data points in a 2 dimensional scatter plot
plot_data_points(x, labels)
Editar y ejecutar código