scikit中的make_blobs方法常被用来生成聚类算法的测试数据，直观地说，make_blobs会根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。

如果还没有安装scikit，可以参考scikit安装教程。

make_blobs方法的API如下：

sklearn.datasets.make_blobs(n_samples=100, n_features=2, centers=3, cluster_std=1.0, center_box=(-10.0, 10.0), shuffle=True, random_state=None)[source]

其中：
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]。

例如我们希望生成3类数据用于聚类（100个样本，每个样本有2个特征），可以使用代码：

from sklearn.datasets import make_blobs from matplotlib import pyplot data,target=make_blobs(n_samples=100,n_features=2,centers=3) #在2D图中绘制样本，每个样本颜色不同 pyplot.scatter(data[:,0],data[:,1],c=target); pyplot.show()

运行结果：

如果我们希望为每个类别设置不同的方差，只需要在上述代码中加入cluster_std参数即可：

from sklearn.datasets import make_blobs from matplotlib import pyplot data,target=make_blobs(n_samples=100,n_features=2,centers=3,cluster_std=[1.0,2.0,3.0]) #在2D图中绘制样本，每个样本颜色不同 pyplot.scatter(data[:,0],data[:,1],c=target); pyplot.show()

从运行结果可以看出生成的三类数据具有不同的方差：

阿布云高速代理IP,分布式动态代理IP,高质量IP代理,全国高匿代理ip,爬虫代理,私密代理IP,国内极速代理IP,优质代理IP
阿布云代理：https://www.abuyun.com