sklearn 的 make_blobs 和多元高斯有什么区别？
What is the Difference between sklearn's make_blobs and a Multivariate Gaussian?
Scikit-learn 提供了一个实用程序 make_blobs that generates Gaussian blobs. Is there any advantage to using this over, say, scipy's multivariate_normal?
正如文档所述，Scikit-learn 的 make_blobs 产生了许多各向同性的高斯斑点。它可以看作是一个辅助函数，可以为您节省一些代码。如果您必须演示或测试某些聚类算法，那就太好了，这样可以避免过多的样板代码。
如果选择使用SciPy的multivariate_normal那么还可以控制每个cluster的协方差矩阵。这在某些情况下可能会有用。
Scikit-learn 提供了一个实用程序 make_blobs that generates Gaussian blobs. Is there any advantage to using this over, say, scipy's multivariate_normal?
正如文档所述，Scikit-learn 的 make_blobs 产生了许多各向同性的高斯斑点。它可以看作是一个辅助函数，可以为您节省一些代码。如果您必须演示或测试某些聚类算法，那就太好了，这样可以避免过多的样板代码。
如果选择使用SciPy的multivariate_normal那么还可以控制每个cluster的协方差矩阵。这在某些情况下可能会有用。