机器学习调包侠：创建符合正态分布的测试数据

本篇对应教程

油管原版，B站搬运。原版教程其实是介绍特征的好坏的，但是我觉得这个看一遍就懂了，没什么值得做笔记的，倒是视频中创建正态分布测试数据的例子值得记录一下

代码

import numpy as np
import matplotlib.pyplot as plt

# 定义样本数量，两种各500，共1000
greyhounds = 500
labs = 500

# np.random.randn()功能是返回一组满足标准正态分布的随机值
# 也就是说这组数据的平均值是0，标准差是1，且满足正态分布
# 一个参数时表示的是这一组随机值一共有指定参数个
# 本例中的4表示的是将标准差从1放大到4，28表示的是将平均值从0调整为28
# 最后的结果就是生成一组平均值为28，标准差为4，且满足正态分布的随机数，这组数共有500个数据
grey_height = 28 + 4 * np.random.randn(greyhounds)
lab_height = 24  + 4 * np.random.randn(labs)

plt.hist([grey_height, lab_height], stacked = True, color = ['r', 'b'])
plt.show()