sklearn.datasets.make_blobs()中center_box参数的作用机制与影响

• 核心作用：限定随机聚类中心的取值范围
  当你没有手动指定centers参数时，make_blobs会自动随机生成聚类中心，center_box就是用来约束这些随机中心的取值区间。它接受一个长度为2的元组（比如(-10.0, 10.0)），意味着每个聚类中心的每个特征维度，取值都会落在这个区间内。

• 对样本分布的直接影响

  • 聚类中心的位置被限定后，围绕这些中心生成的样本点也会被限制在相应范围内。默认cluster_std=1.0的情况下，99.7%的样本会集中在[中心区间最小值-3, 中心区间最大值+3]的范围里。
  • 若设置更小的center_box（比如(-2.0, 2.0)），聚类中心会集中在狭窄区域，生成的样本整体更紧凑；反之，更大的区间会让样本分布更分散。

• 代码示例对比
  两段代码的差异直观体现参数效果：

  from sklearn.datasets import make_blobs
  
  # 窄区间生成样本
  X1, y1 = make_blobs(n_samples=1000, center_box=(-2, 2), random_state=42)
  # 宽区间生成样本
  X2, y2 = make_blobs(n_samples=1000, center_box=(-10, 10), random_state=42)
  

  查看输出的特征值范围会发现，X1的特征值基本在-5到5之间，而X2的特征值会扩展到-13到13左右。

• 注意事项

  • 若手动指定了centers参数，center_box会直接失效，因为此时聚类中心是固定值，无需随机生成。
  • center_box的区间对每个特征维度独立生效，比如二维数据中，每个中心的x、y坐标都会落在指定区间内。

内容的提问来源于stack exchange，提问作者omid taghipour