最近在学习K-means算法。如果自己想写一个K-means算法的话，需要造数据集，这个时候，用sklearn中的make_blobs模块就很有用。
官方API说明
输入和输出：
输入和输出
翻译如下：
- n_samples是待生成的样本的总数。
- n_features是每个样本的特征数。
- centers表示类别数。
- cluster_std表示每个类别的方差，例如我们希望生成2类数据，其中一类比另一类具有更大的方差，可以将cluster_std设置为[1.0,3.0]。
样例samples:
from sklearn.datasets import make_blobs
from matplotlib import pyplot
data, label = make_blobs(n_samples=100, n_features=2, centers=4)
# 绘制样本显示
pyplot.scatter(data[:, 0], data[:, 1], c=label)
pyplot.show()
结果1
如果要设置方差，可以增加
cluster_std参数
from sklearn.datasets import make_blobs
from matplotlib import pyplot
data, label = make_blobs(n_samples=30, n_features=2, centers=3, cluster_std=[0.8, 2.5, 4.5])
# 绘制样本显示
pyplot.scatter(data[:, 0], data[:, 1], c=label)
pyplot.show()
结果2
