Спіральний датасет

import numpy as np
from numpy import pi
import matplotlib.pyplot as plt

N = 400
theta = np.sqrt(np.random.rand(N))*2*pi # np.linspace(0,2*pi,100)

r_a = 2*theta + pi
data_a = np.array([np.cos(theta)*r_a, np.sin(theta)*r_a]).T
x_a = data_a + np.random.randn(N,2)

r_b = -2*theta - pi
data_b = np.array([np.cos(theta)*r_b, np.sin(theta)*r_b]).T
x_b = data_b + np.random.randn(N,2)

res_a = np.append(x_a, np.zeros((N,1)), axis=1)
res_b = np.append(x_b, np.ones((N,1)), axis=1)

res = np.append(res_a, res_b, axis=0)
np.random.shuffle(res)

np.savetxt("result.csv", res, delimiter=",", header="x,y,label", comments="", fmt='%.5f')

plt.scatter(x_a[:,0],x_a[:,1])
plt.scatter(x_b[:,0],x_b[:,1])
plt.show() 
  

Взято тут

Що таке машинне навчання

Машинне навчання це частина Штучного інтелекту, яка розробляє і досліджує алгоритми, які здатні навчатися на данних, зокрема на великій кількості відомих розв'язків задач. В процесі навчання вони отримують досвід і їхня ефективність збільшується.

Терміни навчаються, отримати досвід, ефективність потрібно формалізувати і додатково пояснювати.

Предметом машинного навчання є виділення контекстуально потрібних ознак об'єктів та побудова на їх основі моделей, придатних для вирішення правильно поставлених завдань. На відміну від класичних алгоритмів, алгоритми машинного навчання не передбачають дослідження природи предметної області та її формалізації.