生成机器学习测试数据集的方法及示例代码

在机器学习领域，测试数据集对于评估和验证模型的性能至关重要。生成高质量的测试数据集可以帮助我们验证模型的准确性、鲁棒性和泛化能力。本文将介绍几种常用的方法来生成机器学习测试数据集，并提供相应的示例代码。

1. 随机生成数据集

随机生成数据集是最简单和常见的方法之一。我们可以利用随机数生成器生成符合特定分布的数据。例如，如果我们需要生成一个服从正态分布的数据集，可以使用NumPy库中的random模块来实现。

以下是一个生成服从正态分布的随机数据集的示例代码：

import numpy as np

# 设置随机种子，以确保结果可以复现
np.random.seed(1)

# 生成服从正态分布的随机数据集
mean =<