VB.net 2010 视频教程 VB.net 2010 视频教程 python基础视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
首页 > temp > 简明python教程 >

  • 初识人工智能(二):机器学习(三):sklearn数据集

1. sklearn数据集

1.1 数据集划分

机器学习一般的数据集会划分为两个部分：
训练数据：用于训练，构建模型
测试数据：在模型检验时使用，用于评估模型是否有效

sklearn数据集划分API：sklearn.model_selection.train_test_split

1.2 sklearn数据集接口介绍

scikit-learn数据集API介绍：

sklearn.datasets

  • 加载获取流行数据集
  • datasets.load_*()
    • 　　获取小规模数据集，数据包含在datasets里
  • datasets.fetch_*(data_home=None)
    • 　　获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集
    • 　　下载的目录,默认是 ~/scikit_learn_data/

获取数据集返回的类型：

load*和fetch*返回的数据类型datasets.base.Bunch(字典格式)

  • data：特征数据数组，是[n_samples * n_features]的二维numpy.ndarray数组
  • target：标签数组，是n_samples的一维numpy.ndarray数组
  • DESCR：数据描述
  • feature_names：特征名,新闻数据，手写数字、回归数据集没有
  • target_names：标签名,回归数据集没有

1.3 sklearn分类数据集

sklearn.datasets.load_iris():加载并返回鸢尾花数据集。

 sklearn.datasets.load_digits():加载并返回数字数据集。


	
    
		
  1. 
			from sklearn.datasets import load_iris
    2. 
		
  2. 
			 
    3. 
		
  3. 
			li = load_iris()
    4. 
		
  4. 
			 
    5. 
		
  5. 
			print("获取特征值")
    6. 
		
  6. 
			print(li.data)
    7. 
		
  7. 
			print("目标值")
    8. 
		
  8. 
			print(li.target)
    9. 
		
  9. 
			print(li.DESCR)
    10. 
	





	运行结果：



	

	
    
		
  1. 
			获取特征值
    2. 
		
  2. 
			[[5.1 3.5 1.4 0.2]
    3. 
		
  3. 
			[4.9 3. 1.4 0.2]
    4. 
		
  4. 
			[4.7 3.2 1.3 0.2]
    5. 
		
  5. 
			[4.6 3.1 1.5 0.2]
    6. 
		
  6. 
			[5. 3.6 1.4 0.2]
    7. 
		
  7. 
			[5.4 3.9 1.7 0.4]
    8. 
		
  8. 
			[4.6 3.4 1.4 0.3]
    9. 
		
  9. 
			[5. 3.4 1.5 0.2]
    10. 
		
  10. 
			[4.4 2.9 1.4 0.2]
    11. 
		
  11. 
			[4.9 3.1 1.5 0.1]
    12. 
		
  12. 
			[5.4 3.7 1.5 0.2]
    13. 
		
  13. 
			[4.8 3.4 1.6 0.2]
    14. 
		
  14. 
			[4.8 3. 1.4 0.1]
    15. 
		
  15. 
			[4.3 3. 1.1 0.1]
    16. 
		
  16. 
			[5.8 4. 1.2 0.2]
    17. 
		
  17. 
			[5.7 4.4 1.5 0.4]
    18. 
		
  18. 
			[5.4 3.9 1.3 0.4]
    19. 
		
  19. 
			[5.1 3.5 1.4 0.3]
    20. 
		
  20. 
			[5.7 3.8 1.7 0.3]
    21. 
		
  21. 
			[5.1 3.8 1.5 0.3]
    22. 
		
  22. 
			[5.4 3.4 1.7 0.2]
    23. 
		
  23. 
			[5.1 3.7 1.5 0.4]
    24. 
		
  24. 
			[4.6 3.6 1. 0.2]
    25. 
		
  25. 
			[5.1 3.3 1.7 0.5]
    26. 
		
  26. 
			[4.8 3.4 1.9 0.2]
    27. 
		
  27. 
			[5. 3. 1.6 0.2]
    28. 
		
  28. 
			[5. 3.4 1.6 0.4]
    29. 
		
  29. 
			[5.2 3.5 1.5 0.2]
    30. 
		
  30. 
			[5.2 3.4 1.4 0.2]
    31. 
		
  31. 
			[4.7 3.2 1.6 0.2]
    32. 
		
  32. 
			[4.8 3.1 1.6 0.2]
    33. 
		
  33. 
			[5.4 3.4 1.5 0.4]
    34. 
		
  34. 
			[5.2 4.1 1.5 0.1]
    35. 
		
  35. 
			[5.5 4.2 1.4 0.2]
    36. 
		
  36. 
			[4.9 3.1 1.5 0.2]
    37. 
		
  37. 
			[5. 3.2 1.2 0.2]
    38. 
		
  38. 
			[5.5 3.5 1.3 0.2]
    39. 
		
  39. 
			[4.9 3.6 1.4 0.1]
    40. 
		
  40. 
			[4.4 3. 1.3 0.2]
    41. 
		
  41. 
			[5.1 3.4 1.5 0.2]
    42. 
		
  42. 
			[5. 3.5 1.3 0.3]
    43. 
		
  43. 
			[4.5 2.3 1.3 0.3]
    44. 
		
  44. 
			[4.4 3.2 1.3 0.2]
    45. 
		
  45. 
			[5. 3.5 1.6 0.6]
    46. 
		
  46. 
			[5.1 3.8 1.9 0.4]
    47. 
		
  47. 
			[4.8 3. 1.4 0.3]
    48. 
		
  48. 
			[5.1 3.8 1.6 0.2]
    49. 
		
  49. 
			[4.6 3.2 1.4 0.2]
    50. 
		
  50. 
			[5.3 3.7 1.5 
      



  

  
  

   
  

  
 
 

 
 
  
 
 
 
 






 






相关教程