CommencezCommencez gratuitement

Générer des jeux de données pour la classification

Trouver un vrai jeu de données qui réunit toutes les combinaisons de critères souhaitées peut être compliqué et, s'il est recueilli, soulever des enjeux de confidentialité. Pour y remédier, vous pouvez utiliser des générateurs de jeux de données qui offrent de bonnes approximations de données réelles.

Dans cet exercice, vous créerez un grand jeu de données pour un problème de classification à 3 classes. Pour faciliter la visualisation des données générées sous forme de nuage de points, une fonction personnalisée vous est fournie : plot_data_points().

Cette activité fait partie du cours

Confidentialité des données et anonymisation en Python

Voir le cours

Instructions de l’exercice

  • Importez la fonction correspondante depuis sklearn.datasets pour générer des jeux de données de classification.
  • Générez 5000 échantillons avec 4 caractéristiques, 1 regroupement par classe, 3 classes et une séparation de classes de 2.
  • Affichez la forme (shape) des données générées.
  • Consultez le nuage de points obtenu.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)
Modifier et exécuter le code