make_classification生成多类别数据时类簇不均匀，因weights默认被忽略而近似均匀但受随机性影响；需显式设置weights控制各类比例，或用resample精确截取样本数。
用 make_classification 生成多类别数据时，类簇不是均匀分布的？
默认情况下，make_classification 的 n_classes=3 并不等于“三类样本数量相等”，它只控制类别数，实际分布由 weights 参数决定。不显式设 weights，就按默认 [0.5, 0.5]（仅对二分类生效），多分类时会被忽略，最终退化为近似均匀采样——但受随机性和特征构造影响，仍可能出现某类样本明显偏少。
实操建议：
- 显式传入
weights列表，长度必须等于n_classes，且元素和为 1，例如三分类想按 4:3:3 分布，就写weights=[0.4, 0.3, 0.3] - 若需严格控制每类样本数（比如刚好 100/80/70），先用
n_samples=250+weights粗略逼近，再用sklearn.utils.resample或布尔索引手动截取 -
weights对噪声、冗余特征无影响，但会改变各类别在高维空间中的“密度重心”，可能让某些类更难分
make_classification 的 class_sep 和 cluster_std 怎么配合调类内/类间分离度？
class_sep 控制的是“类中心之间的欧氏距离”，值越大，类别越容易线性可分；cluster_std 控制的是每个类内部样本围绕其簇中心的标准差，值越大，类内越分散。二者共同决定类间可分性，但不是简单相除关系。
常见错误现象：设了很大的 class_sep=5.0 却发现仍有大量误分类——大概率是 cluster_std 也设得过大（如 2.0），导致类内扩散覆盖了其他类中心区域。
实操建议：
- 初试推荐组合：
class_sep=2.0+cluster_std=0.5（低噪易分）；或class_sep=1.0+cluster_std=1.0（高噪难分） - 若要模拟真实场景中“部分类别重叠严重”，可对不同类单独生成数据，用
np.vstack拼接，并手动偏移某几个类的中心坐标 -
class_sep对高维（n_features > 20）效果衰减明显，此时更依赖flip_y引入标签噪声来制造难度
怎么让某几个类别天然聚成多个子簇（非单高斯）？
make_classification 本身不支持 per-class 子簇数配置，它的 n_clusters_per_class 是全局参数，所有类共享同一子簇结构。这意味着：设 n_clusters_per_class=2，三分类就会生成 6 个高斯簇（每类 2 个），但无法做到“第 0 类 1 个簇、第 1 类 3 个簇”。
实操建议：
- 分步构造：用循环调用多次
make_blobs，每次指定centers数量和cluster_std，再拼接并打上对应标签 - 关键点：各次调用的
random_state必须不同，否则所有类的簇中心会重合；同时注意统一n_features维度 - 若需保留
make_classification的冗余/重复特征能力，可在拼接后用np.hstack追加随机列，并设n_informative控制哪些列参与决策边界生成
生成后发现某类样本全集中在某几个特征维度上？
这是 n_informative 和 n_redundant 配置失衡的典型表现。例如设 n_features=10、n_informative=2、n_redundant=5，意味着只有前 2 个特征携带判别信息，其余 7 个要么冗余（线性组合前 2 个），要么纯噪声。模型训练时若未做特征筛选，就会过度依赖那 2 个维度，造成“某类只在 x0-x1 平面聚集”的假象。
实操建议：
- 检查
n_informative + n_redundant + n_clusters_per_class ，否则冗余特征生成逻辑会静默截断，引发不可预期的维度坍缩 - 用
plt.scatter(X[y==i, 0], X[y==i, 1])快速验证前两维分布，再换X[:, 2]和X[:, 3]多看几组，确认是否全局稀疏 - 真正需要“多维联合判别”的数据，应提高
n_informative，并降低n_redundant，比如从 2+5 改为 6+1
weights 是样本偏差，class_sep 是标注质量，n_clusters_per_class 是概念漂移。改参数不如先想清楚：你到底想测试模型抗哪一种失真。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
