如何掌握数据科学界的“黑色黄金”?( 八 )_数据就是新的石油。现在进入算法世界的

· 它可以是数字、二进制或分类（序数或非序数）。

· 数据集的特征数量和长度应该是任意的。

· 它最好是随机的，并且用户应该能够选择各种各样的统计分布来依附这些数据，例如精确地控制和调整基础随机过程。

· 如果用于分类算法，那么类分离的程度应该可以调节学习问题的容易或困难程度。

· 随机噪声可以以可控的方式插入。

· 对于回归问题，可以使用复杂的、非线性的生成过程来获取数据。

尽管在本文中，为了实现更好的ML算法，我们将讨论局限于合成数据。但是它在帮助处理真实数据集的安全性和隐私问题时（这些问题不能基于学习目的被使用或获取）可能具有深远的意义。

用scikit-learning方法生成数据

Scikit-learning是一个很棒的Python库，用于经典的机器学习任务（例如，如果你不特别关心深度学习）。然而，虽然它的机器学习算法被广泛使用，但是它提供的优秀的合成数据生成功能却鲜为人知。

如何掌握数据科学界的“黑色黄金”?( 八 )