sklearn數據集

sklearn：
Python語言的機器學習工具
Scikit-learn包括許多知名的機器學習算法的實現
Scikit-learn文檔完善，容易上手，豐富的API

sklearn數據集使用：
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里
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，表示數據集下載的目錄,默認是 ~/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據集并輸出，查看控制臺

數據還是蠻多的，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()

上面特征值的數組代表每一個特征值，我們輸出一下看看特征值名稱是什么

print(iris.feature_names)

所以說 每一個數字代表的就是每一個特征值的數據
在鳶尾花中 一共分為三種，所以目標值中的0 1 2也各自代表著不同的鳶尾花類別

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

數據集的劃分

機器學習一般的數據集會劃分為兩個部分：

訓練數據：用于訓練，構建模型
測試數據：在模型檢驗時使用，用于評估模型是否有效

數據集劃分api

sklearn.model_selection.train_test_split(arrays, *options)
x 數據集的特征值
y 數據集的標簽值
test_size 測試集的大小，一般為float，默認是測試數據占百分之二十五
random_state 隨機數種子,不同的種子會造成不同的隨機采樣結果。相同的種子采樣結果相同。

代碼示例：

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split def datasets_demo():iris=load_iris()# # 訓練集的特征值x_train 測試集的特征值x_test 訓練集的目標值y_train 測試集的目標值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

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站內容還不錯，歡迎將生活随笔推薦給好友。