y 来自 sklearn.datasets.make_classification

Question

在sklearn.datasets.make_classification中，y类是怎么计算的？假设我运行他的：

from sklearn.datasets import make_classification
X, y = make_classification(n_samples=1000, n_features=2, n_informative=2,
                           n_classes=2, n_clusters_per_class=1, random_state=0)

什么公式用于从 X 得出 y？文档在谈到信息功能时涉及到这一点：

信息特征的数量。每个类由多个高斯簇组成，每个簇位于 n_informative 维子空间中超立方体的顶点周围。对于每个集群，从 N(0, 1) 中独立抽取信息特征，然后随机线性组合以增加协方差。然后将簇放置在超立方体的顶点上。

谢谢，

G

Answer 1

y 没有被计算，只是 X 中的每一行根据该行所在的类在 y 中获得一个关联的标签（注意 n_classes 变量）。如果 Flip_y 大于零，则其中一些标签可能会被翻转，从而在标签中产生噪声。

编辑：举个例子

例如，假设您总共需要 2 个类、1 个信息特征和 4 个数据点。假设随机生成两个类质心，它们恰好是 1.0 和 3.0。因此，围绕第一类（值 1.0）生成的每个数据点都会获得标签 y=0，围绕第二类（值 3.0）生成的每个数据点都会获得标签 y=1。例如，第一类的 X1 可能恰好是 1.2 和 0.7。对于第二类，两个点可能是2.8和3.1。您现在有 4 个数据点，并且您知道它们是为哪个类生成的，因此您的最终数据将是：

Y X1
0 1.2
0 0.7
1 2.8
1 3.1

如您所见，没有任何计算，您只需在随机生成数据时分配类别即可