def get_clusters(n,m):
sigma = 1
mean = [3,6,9,12]
num = [2*n,n,int(1.2*n),int(0.8*n)]
data = []
label = []
tmpdata = []
for i in range(num[0]):
tmpdata = []
for j in range(m):
tmpdata.append(random.gauss(mean[0], sigma))
# tmpdata.append(0)
label.append(0)
data.append(tmpdata)
for i in range(num[1]):
tmpdata = []
for j in range(m):
tmpdata.append(random.gauss(mean[1], sigma))
# tmpdata.append(1)
data.append(tmpdata)
label.append(1)
for i in range(num[2]):
tmpdata = []
for j in range(m):
tmpdata.append(random.gauss(mean[2], sigma))
# tmpdata.append(2)
label.append(2)
data.append(tmpdata)
for i in range(num[3]):
tmpdata = []
for j in range(m):
tmpdata.append(random.gauss(mean[3], sigma))
# tmpdata.append(3)
label.append(3)
data.append(tmpdata)
return data,label
数据是满足高斯分布的随机数
生成一个m维属性，样本数量=2n+n+1.2n+0.8n=5n的数据集。
每一个for循环代表一个类，共生成四个类（0，1，2，3四类）。
返回生成的数据集和对应的标签。sigma控制方差，表示一个类的松散程度；mean是一个类的平均值，控制数据取值以及类类之间的距离。文章来源地址https://www.toymoban.com/news/detail-648396.html
文章来源：https://www.toymoban.com/news/detail-648396.html
到了这里，关于python 生成随机聚类数据的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
