sklearn.datasets.make_friedman2¶
- sklearn.datasets.make_friedman2()¶
Genera el problema de regresión «Friedman #2».
Este conjunto de datos se describe en Friedman [1] y Breiman [2].
Las entradas
Xson 4 características independientes distribuidas uniformemente en los intervalos:0 <= X[:, 0] <= 100, 40 * pi <= X[:, 1] <= 560 * pi, 0 <= X[:, 2] <= 1, 1 <= X[:, 3] <= 11.
La salida
yse crea según la fórmula:y(X) = (X[:, 0] ** 2 + (X[:, 1] * X[:, 2] - 1 / (X[:, 1] * X[:, 3])) ** 2) ** 0.5 + noise * N(0, 1).
Leer más en el Manual de Usuario.
- Parámetros
- n_samplesint, default=100
El número de muestras.
- 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, 4)
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.