Python | Crear conjuntos de datos de prueba usando Sklearn

La biblioteca Sklearn de Python proporciona un excelente generador de conjuntos de datos de muestra que lo ayudará a crear su propio conjunto de datos personalizado. Es rápido y muy fácil de usar. Los siguientes son los tipos de muestras que proporciona.
Para todos los métodos anteriores, debe importar sklearn.datasets.samples_generator . 
 

# importing libraries
from sklearn.datasets import make_blobs
 
# matplotlib for ploting
from matplotlib import pyplot as plt
from matplotlib import style

sklearn.datasets.make_blobs

# Creating Test DataSets using sklearn.datasets.make_blobs
from sklearn.datasets import make_blobs
from matplotlib import pyplot as plt
from matplotlib import style
 
style.use("fivethirtyeight")
 
X, y = make_blobs(n_samples = 100, centers = 3,
               cluster_std = 1, n_features = 2)
 
plt.scatter(X[:, 0], X[:, 1], s = 40, color = 'g')
plt.xlabel("X")
plt.ylabel("Y")
 
plt.show()
plt.clf()

Producción: 
 

make_blobs con 3 centros

sklearn.conjuntos de datos.make_moon

# Creating Test DataSets using sklearn.datasets.make_moon
from sklearn.datasets import make_moons
from matplotlib import pyplot as plt
from matplotlib import style
 
X, y = make_moons(n_samples = 1000, noise = 0.1)
plt.scatter(X[:, 0], X[:, 1], s = 40, color ='g')
plt.xlabel("X")
plt.ylabel("Y")
 
plt.show()
plt.clf()

Producción: 
 

make_moons con 1000 puntos de datos

sklearn.datasets.make_circle

# Creating Test DataSets using sklearn.datasets.make_circles
from sklearn.datasets import make_circles
from matplotlib import pyplot as plt
from matplotlib import style
 
style.use("fivethirtyeight")
 
X, y = make_circles(n_samples = 100, noise = 0.02)
plt.scatter(X[:, 0], X[:, 1], s = 40, color ='g')
plt.xlabel("X")
plt.ylabel("Y")
 
plt.show()
plt.clf()

Producción: 
 

hacer _circle con 100 puntos de datos