本篇文章主要介绍sklearn数据集及其分类，快速获取用于学习的数据。
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
训练数据和测试数据出自同一数据源，只是会把数据源的百分之八十左右当做训练数据，剩下当做测试数据。数据的划分无需自己动手划分，sklearn有对应的api自动划分。评估模型算法不同，评估的方式也不同。
数据划分api
划分api:
sklearn.model_selection.train_test_split
数据集api:
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，表示数据下载的目录,默认是 ~/scikit_learn_data/
• 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：目标值，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
分类数据集
sklearn.datasets.load_iris() 加载并返回鸢尾花数据集
样本信息
少量数据实例:
from sklearn.datasets import load_iris
li = load_iris()
print("特征数据数组")
print(li.data)
print("目标值")
print(li.target)
print("特征名")
print(li.feature_names)
print("目标值")
print(li.target_names)
# print("数据描述")
# print(li.DESCR)
# x表示特征值，y表示目标值
x_train, x_test, y_train, y_test = model_selection.train_test_split(li.data, li.target, test_size=0.25)
print("训练集的特征值和目标值", x_train, y_train)
print("测试集的特征值和目标值", x_test, y_test)
执行结果
大数据集实例:
from sklearn.datasets import fetch_20newsgroups news = fetch_20newsgroups(subset='all') print(news.data) print(news.target)
需要下载数据，执行结果会比较多，数量大
回归数据集
sklearn.datasets.load_boston() 加载并返回波士顿房价数据集
样本信息
from sklearn.datasets import load_iris, fetch_20newsgroups, load_boston
lb = load_boston()
print("获取特征值")
print(lb.data)
print("目标值")
print(lb.target)
执行结果
后续会持续更新由浅入深机器学习的技术文章，有兴趣的朋友可看我之前的文章，关注我随时了解人工智能
