本篇文章主要介紹sklearn數據集及其分類，快速獲取用於學習的數據。
數據集劃分
機器學習一般的數據集會劃分為兩個部分：
訓練數據：用於訓練，構建模型
測試數據：在模型檢驗時使用，用於評估模型是否有效
訓練數據和測試數據出自同一數據源，只是會把數據源的百分之八十左右當做訓練數據，剩下當做測試數據。數據的劃分無需自己動手劃分，sklearn有對應的api自動劃分。評估模型算法不同，評估的方式也不同。
數據劃分api
劃分api:
sklearn.model_selection.train_test_split
數據集api:
sklearn.datasets
• 加載獲取流行數據集
• datasets.load_*()
• 獲取小規模數據集，數據包含在datasets裡
• datasets.fetch_*(data_home=None)
• 獲取大規模數據集，需要從網絡上下載，函數的第一個參數是data_home，表示數據下載的目錄,默認是 ~/scikit_learn_data/
• load*和fetch*返回的數據類型datasets.base.Bunch(字典格式)
• data：特徵數據數組，是 [n_samples * n_features] 的二維
numpy.ndarray 數組
• target：目標值，標籤數組，是 n_samples 的一維 numpy.ndarray 數組
• DESCR：數據描述
• feature_names：特徵名,新聞數據，手寫數字、迴歸數據集沒有
• target_names：標籤名,迴歸數據集沒有
分類數據集
sklearn.datasets.load_iris() 加載並返回鳶尾花數據集
樣本信息
少量數據實例:
from sklearn.datasets import load_iris
li = load_iris()
print("特徵數據數組")
print(li.data)
print("目標值")
print(li.target)
print("特徵名")
print(li.feature_names)
print("目標值")
print(li.target_names)
# print("數據描述")
# print(li.DESCR)
# x表示特徵值，y表示目標值
x_train, x_test, y_train, y_test = model_selection.train_test_split(li.data, li.target, test_size=0.25)
print("訓練集的特徵值和目標值", x_train, y_train)
print("測試集的特徵值和目標值", x_test, y_test)
執行結果
大數據集實例:
from sklearn.datasets import fetch_20newsgroups news = fetch_20newsgroups(subset='all') print(news.data) print(news.target)
需要下載數據，執行結果會比較多，數量大
迴歸數據集
sklearn.datasets.load_boston() 加載並返回波士頓房價數據集
樣本信息
from sklearn.datasets import load_iris, fetch_20newsgroups, load_boston
lb = load_boston()
print("獲取特徵值")
print(lb.data)
print("目標值")
print(lb.target)
執行結果
後續會持續更新由淺入深機器學習的技術文章，有興趣的朋友可看我之前的文章，關注我隨時瞭解人工智能
