【python】Scikit-learnのデータセットについて【make_blobs，make_moons，make

この記事のポイント

機械学習を習得するために必要なデータセットについて学ぶ．
Scikit-learnのライブラリについて学ぶ．
make_blobs，make_moons，make_circlesについて学ぶ．

こんにちは．けんゆー（@kenyu0501_)です．
機械学習のアルゴリズムを学習する際のデータセットとして非常に有名な3つのものを紹介します．

make_blobs
make_moons
make_circles

pythonのscimitar-learnのライブラリですが，機械学習の分類やクラスタリングなどを，とりあえず手を動かしてやってみたい！という方に非常にオススメなものです．
この記事では，簡単なプログラムと，データ構造の図示化を行っていきます．

make_blobs

プログラムはこちら

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

X, y = make_blobs(n_samples=100,
                  n_features=2,
                  centers=3,
                  cluster_std=1,
                  center_box=(-10.0,10.0),
                  shuffle=True, 
                  random_state=3,)
print(X)
print(y)

a0, b0 = X[y==0,0], X[y==0,1]
a1, b1 = X[y==1,0], X[y==1,1]
a2, b2 = X[y==2,0], X[y==2,1]

plt.figure(figsize=(8, 7))

plt.scatter(a0, b0, marker='o', s=25, label="y = 0")
plt.scatter(a1, b1, marker='o', s=25, label="y = 1")
plt.scatter(a2, b2, marker='o', s=25, label="y = 2")
plt.legend()
plt.xlabel("a")
plt.ylabel("b")
plt.show()

実際に，上記のプログラムを回すと，以下のような画像が出力されます．
サンプルの数や，乱数の度合いによっても変わるので，色々を試してみてください．
cluster_stdとrandom_stateの値を色々と変更して，結果の出力しました．

ちなみに，データ構造はこのようになっているよ！

make_moons

from sklearn.datasets import make_moons
import matplotlib.pyplot as plt

X, y = make_moons(n_samples=200,
                  shuffle = True,
                  noise = None,
                  random_state = True,)
print(X)
print(y)

a0, b0 = X[y==0,0], X[y==0,1]
a1, b1 = X[y==1,0], X[y==1,1]

plt.figure(figsize=(8, 7))

plt.scatter(a0, b0, marker='o', s=25, label="y = 0")
plt.scatter(a1, b1, marker='o', s=25, label="y = 1")
plt.legend()
plt.xlabel("a")
plt.ylabel("b")
plt.show()

noiseの値を色々と変えて，結果を出力してみました．
noise = 0.3くらいになると，三日月型の分布が徐々に崩れ出してきてますね．

make_moons

from sklearn.datasets import make_circles
import matplotlib.pyplot as plt

X, y = make_circles(n_samples=200,
                  shuffle = True,
                  noise = 0.2,
                  random_state=None,
                  factor = 0.7)
print(X)
print(y)

a0, b0 = X[y==0,0], X[y==0,1]
a1, b1 = X[y==1,0], X[y==1,1]

plt.figure(figsize=(8, 7))

plt.scatter(a0, b0, marker='o', s=25, label="y = 0")
plt.scatter(a1, b1, marker='o', s=25, label="y = 1")
plt.legend()
plt.xlabel("a")
plt.ylabel("b")
plt.show()

noiseの値を色々と調整して分布を出しました．
noise=0.2くらいになると，円の分布が崩れてきますね．