多色可选

颜色分类leetcode生成数据- Codealong介绍

数据分析通常需要分析师使用某种类型的数据来测试算法的效率/性能。在这种情况下，重点不是像我们之前看到的那样回答一些分析问题，而是测试一些处理机器学习假设的机器学习假设，例如，比较两种不同的算法，看看哪一种算法的准确性更高。

在这种情况下，分析师通常会处理他们自己生成的合成随机数据。本实验和即将开始的课程将重点介绍一些数据生成技术，您可以稍后使用这些技术来学习新算法，同时又不会过多地沉迷于领域知识。

目标你将能够：

• 为分类问题生成数据集

• 为回归问题生成数据集

实践数据集反映了允许测试和调试算法并测试其稳健性的简单问题。它们还用于理解算法响应模型参数变化的行为，正如我们将在一些ML算法中看到的那样。

以下是此类数据集优于现实世界数据集的一些原因：

• 快速简便的生成-节省数据收集时间和精力

• 可预测的结果-对结果有更高的信心

• 随机化-数据集可以重复随机化以检查多种情况下的性能

• 简单的数据类型——更容易可视化数据和结果

在本课中，我们将介绍一些可以帮助我们生成随机数据集的Python函数。