生成随机2D线性分隔符的最佳方法是什么？

Question

对于模拟，我想随机生成100个线性分类器（即线）。我是用：

classifier_array=list(np.random.uniform(-1,1,(n_classifiers,n_dim+1)))

换句话说，我尝试通过选择权重并在-1和1之间随机偏置来实现w_1*x_1+w_2*x_2+...+b=0。

但是，尽管斜率似乎分布均匀，但截距（在2维中）却并非总是如此，似乎总是接近于0。

我以前绘制的代码：

def abline(slope, intercept):
"""Plot a line from slope and intercept"""


    axes = plt.gca()
    x_vals = np.array(axes.get_xlim())
    y_vals = intercept + slope * x_vals
    plt.plot(x_vals, y_vals, '--')

def plot_data(classifiers): 


    axes = plt.gca()

    axes.set_xlim([-100,100]) 
    axes.set_ylim([-100,100])

    for i in range (0, len(classifiers)):

        slope=-classifiers[i][0]/classifiers[i][1]

        intercept=-classifiers[i][2]/classifiers[i][1]
        abline(slope, intercept)


    plt.show()

因此我只是做

plot_data(classifier_array)

生成分类器后

1）为什么偏差如此接近0？

2）我该如何做才能使偏差在更大范围内分布？

实际上，我要做的是通过生成随机线性“分类器”来线性分离我的数据，并使用设计好的算法选择最佳选择。但是，当我的数据在右上角“移动”时，所有具有负斜率的分类器均无用（参见图片）。我的想法是将数据居中，这也许是最好的解决方案，但我首先是在寻找一种可以让我获得更大拦截力的解决方案