sklearn數(shù)據(jù)集

sklearn：
Python語言的機(jī)器學(xué)習(xí)工具
Scikit-learn包括許多知名的機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)
Scikit-learn文檔完善，容易上手，豐富的API

sklearn數(shù)據(jù)集使用：
sklearn.datasets 加載獲取流行數(shù)據(jù)集
datasets.load_()
獲取小規(guī)模數(shù)據(jù)集，數(shù)據(jù)包含在datasets里
datasets.fetch_(data_home=None) 獲取大規(guī)模數(shù)據(jù)集，需要從網(wǎng)絡(luò)上下載，函數(shù)的第一個(gè)參數(shù)是data_home，表示數(shù)據(jù)集下載的目錄,默認(rèn)是 ~/scikit_learn_data/

示例：

from sklearn.datasets import load_iris def datasets_demo():iris=load_iris()print(iris) if __name__ == '__main__':datasets_demo()

加載常用的鳶尾花數(shù)據(jù)集并輸出，查看控制臺

數(shù)據(jù)還是蠻多的，那我們稍微處理一下，查看一下他的特征值和目標(biāo)值就好

from sklearn.datasets import load_iris def datasets_demo():iris=load_iris()print(iris.data)print(iris.target) if __name__ == '__main__':datasets_demo()

上面特征值的數(shù)組代表每一個(gè)特征值，我們輸出一下看看特征值名稱是什么

print(iris.feature_names)

所以說 每一個(gè)數(shù)字代表的就是每一個(gè)特征值的數(shù)據(jù)
在鳶尾花中 一共分為三種，所以目標(biāo)值中的0 1 2也各自代表著不同的鳶尾花類別

綜上所述，這里的鳶尾花數(shù)據(jù)集是通過每一朵花的不同特征的數(shù)據(jù)來識別出它是屬于哪一種類型的鳶尾花

數(shù)據(jù)集的劃分

機(jī)器學(xué)習(xí)一般的數(shù)據(jù)集會(huì)劃分為兩個(gè)部分：

訓(xùn)練數(shù)據(jù)：用于訓(xùn)練，構(gòu)建模型
測試數(shù)據(jù)：在模型檢驗(yàn)時(shí)使用，用于評估模型是否有效

數(shù)據(jù)集劃分api

sklearn.model_selection.train_test_split(arrays, *options)
x 數(shù)據(jù)集的特征值
y 數(shù)據(jù)集的標(biāo)簽值
test_size 測試集的大小，一般為float，默認(rèn)是測試數(shù)據(jù)占百分之二十五
random_state 隨機(jī)數(shù)種子,不同的種子會(huì)造成不同的隨機(jī)采樣結(jié)果。相同的種子采樣結(jié)果相同。

代碼示例：

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split def datasets_demo():iris=load_iris()# # 訓(xùn)練集的特征值x_train 測試集的特征值x_test 訓(xùn)練集的目標(biāo)值y_train 測試集的目標(biāo)值y_testx_train,x_test,y_tarin,y_test=train_test_split(iris.data,iris.target,random_state=22)print(x_train,x_test) if __name__ == '__main__':datasets_demo()

訓(xùn)練集和測試集的取值是有順序要求的，順序要求如上述代碼

總結(jié)

以上是生活随笔為你收集整理的机器学习之数据集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。