Zacznij terazZacznij za darmo

Generowanie zbiorów danych do klasyfikacji

Znalezienie rzeczywistego zbioru danych spełniającego wszystkie pożądane kryteria może być trudne, a zebrane dane często rodzą obawy o prywatność. Rozwiązaniem jest użycie generatorów zbiorów danych, które dostarczają dobrych przybliżeń rzeczywistych danych.

W tym ćwiczeniu stworzysz duży zbiór danych dla problemu klasyfikacji 3-klasowej. Aby ułatwić wizualizację wygenerowanych danych jako wykres punktowy, udostępniono gotową funkcję plot_data_points().

To ćwiczenie jest częścią kursu

Prywatność danych i anonimizacja w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj z sklearn.datasets odpowiednią funkcję do generowania zbiorów danych do klasyfikacji.
  • Wygeneruj 5000 próbek z 4 cechami, 1 skupiskiem na klasę, 3 klasami i separacją klas równą 2.
  • Wydrukuj kształt wygenerowanych danych.
  • Sprawdź powstały wykres punktowy.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)
Edytuj i uruchom kod