如何使用numpy生成多类测试数据集？

Question

我只想针对分类问题使用numpy生成多类测试数据集。 例如，X是一个维度为（mxn）的numpy数组，维度为y（mx1）的y，假设有k个。类。请帮助我的代码。 [这里X代表特征，y代表标签]

Answer 1

您可以像这样使用np.random.randint：

import numpy as np
m = 4
n = 4
k = 5
X = np.random.randint(0,2,(m,n))

X
array([[1, 1, 1, 1],
   [1, 0, 0, 1],
   [1, 1, 0, 0],
   [1, 1, 1, 1]])

y = np.random.randint(0,k,m)

y
array([3, 3, 0, 4])

Answer 2

您可以使用numpy创建多类数据集，如下所示-

def generate_dataset(size, classes=2, noise=0.5):
    # Generate random datapoints
    labels = np.random.randint(0, classes, size)
    x = (np.random.rand(size) + labels) / classes
    y = x + np.random.rand(size) * noise
    # Reshape data in order to merge them
    x = x.reshape(size, 1)
    y = y.reshape(size, 1)
    labels = labels.reshape(size, 1)
    # Merge the data
    data = np.hstack((x, y, labels))
    return data

使用matplotlib可视化时，生成的数据将如下所示-

您可以使用classes和noise参数来更改类数和数据传播。在这里，我保持了x轴和y轴值之间的线性关系，也可以根据需要进行更改。