Kaggle网址:https://www.kaggle.com/datasets
UCI数据集网址:http://archive.ics.uci.edu/ml/
scikit-learn网址:http://scikit-learn.org/stable/datasets/index.html#fdatasets
scikit-learn数据集的实际使用:
sklearn获取小数据集用load,获取大数据集用fetch
sklearn.datasets.load_iris( ) 加载并返回鸢尾花数据集
sklearn.datasets.load_boston( )加载并返回波士顿房价数据集
sklearn数据集返回值介绍
- 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
例:鸢尾花数据集获取代码实现
从sklearn获取数据:
from sklearn.datasets import load_iris
iris=load_iris()
print("鸢尾花数据集:\n", iris)
数据集的划分:
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
print("训练集的特征值:\n", x_train, x_train.shape)