机器学习(5)--数据集划分

sklearn数据集

1、数据集划分

2、sklearn数据集接口介绍

3、 sklearn分类数据集

4、 sklearn回归数据集

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【不同模型评估方式不同】

 【常用比例是：75%:25%】

语法：

sklearn数据集划分API

sklearn.model_selection.train_test_split

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，表示数据集下载的目录,默认是 ~/scikit_learn_data/

sklearn获取数据格式

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