二元逻辑回归的数据集生成答案

【问题标题】：Data sets generation for binary logistic regression二元逻辑回归的数据集生成
【发布时间】：2018-02-10 10:26:00
【问题描述】：

我有y = mx + c形式的分类器行。

我会生成这条线上方和下方的随机数据点。

我尝试使用 numpy random 函数，但不知道如何专门生成随机数据集。

【问题讨论】：

请分享您到目前为止所尝试的方法，以及为什么它不起作用。我们不是代码编写服务。作为新用户，使用tour 并阅读minimal reproducible example 是很好的起点。
noise=numpy.random.random(100), x=numpy.linspace(0,1,100), y=m*x+c+scale*noise?你也可以使用不同分布的随机数——见numpy.random。
谢谢！我对编码完全陌生，我不知道我可以将噪声与比例因子相乘。如果假设我有像 eclipse 这样的区域，我想像前一个一样生成点。我该怎么办？
我不明白你的意思——你能更新你的问题吗？
假设分类器是一个椭圆而不是一条直线，我想生成椭圆内外的随机点，就像我对直线所做的那样。

【解决方案1】：

你可以试试 scikit-learn 的 make_classification 实用函数：

生成一个随机的 n 类分类问题。

例如：

from sklearn.datasets import make_classification

X, y = make_classification(n_features=2, random_state=444)

【讨论】：