sklearn.datasets.make_friedman1¶
- sklearn.datasets.make_friedman1()¶
Genera el problema de regresión «Friedman #1».
Este conjunto de datos se describe en Friedman [1] y Breiman [2].
Las entradas
Xson características independientes distribuidas uniformemente en el intervalo [0, 1]. La salidayse crea según la fórmula:y(X) = 10 * sin(pi * X[:, 0] * X[:, 1]) + 20 * (X[:, 2] - 0.5) ** 2 + 10 * X[:, 3] + 5 * X[:, 4] + noise * N(0, 1).
De las características
n_features, sólo 5 se utilizan realmente para calculary. El resto de características son independientes de «y».El número de características tiene que ser >= 5.
Leer más en el Manual de Usuario.
- Parámetros
- n_samplesint, default=100
El número de muestras.
- n_featuresint, default=10
El número de características. Debe ser al menos 5.
- noisefloat, default=0.0
La desviación estándar del ruido gaussiano aplicado a la salida.
- random_stateentero, instancia de RandomState o None, default=None
Determina la generación de números aleatorios para el ruido del conjunto de datos. Pasa un int para una salida reproducible a través de múltiples llamadas a la función. Ver Glosario.
- Devuelve
- Xndarray de forma (n_samples, n_features)
Las muestras de entrada.
- yndarray de forma (n_samples,)
Los valores de salida.
Referencias
- 1
J. Friedman, «Multivariate adaptive regression splines», The Annals of Statistics 19 (1), pages 1-67, 1991.
- 2
L. Breiman, «Bagging predictors», Machine Learning 24, pages 123-140, 1996.