使用sklearn.datasets.samples_generator生成高斯混合数据集

sklearn.datasets.samples_generator是scikit-learn中的一个模块，它可以生成一些常用的数据集。其中的make_gaussian_quantiles函数可以生成一个高斯混合数据集。

make_gaussian_quantiles的参数有n_samples、mean、cov、n_features、n_classes。n_samples表示生成的样本数量，mean是一个数组，表示每个类别的均值，cov也是一个数组，表示每个类别的协方差矩阵，n_features表示每个样本的特征维度，n_classes表示类别数量。

下面我们来看一个使用make_gaussian_quantiles生成高斯混合数据集的例子。

from sklearn.datasets.samples_generator import make_gaussian_quantiles
import matplotlib.pyplot as plt
import numpy as np

# 设置随机数种子，使得结果可以复现
np.random.seed(0)

# 生成一个包含两个类别的高斯混合数据集
X, y = make_gaussian_quantiles(n_samples=1000, mean=[3, 3], cov=[[1, 0], [0, 1]], n_features=2, n_classes=2)

# 绘制散点图，观察生成的数据集
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

在这个例子中，我们生成一个包含两个类别的高斯混合数据集。其中，每个类别的均值分别为(3,3)，协方差矩阵为[[1, 0], [0, 1]]，样本的特征维度为2，总共生成1000个样本。生成的数据集被保存在变量X中，对应的类别标签保存在变量y中。

最后，我们使用matplotlib库绘制了散点图，将样本的特征X的第一列作为x轴，第二列作为y轴，类别标签y作为颜色标识，可以直观地观察到生成的高斯混合数据集。

通过使用sklearn.datasets.samples_generator的make_gaussian_quantiles函数，我们可以方便地生成高斯混合数据集，用于机器学习模型的训练和测试。