机器学习数据集哪家强？Sklearn预制的这16个数据集不容错过~

本文链接：https://blog.csdn.net/a1014981613/article/details/130243295

数据是机器学习算法的动力，scikit-learn货sklearn提供了一些高质量的数据集。Scikit-learn（sklearn）是一个建立在SciPy之上的Python机器学习包。其独特之处在于其拥有大量的算法、十分易用以及能够与其他Python库进行整合。

什么是 "Sklearn数据集"？

Sklearn数据集作为scikit-learn（sklearn）库的一部分，是预先安装在库中的。我们可以轻松地访问和加载这些数据集，不需要单独下载它们。

要使用这些其中一个特定的数据集，可以简单地从sklearn.datasets模块中导入，并调用适当的函数将数据加载到程序中。

这些数据集通常都是经过预处理的，可以随时使用，这对于需要试验不同机器学习模型和算法的数据科学家来说，可以节省大量时间和精力。

1. Iris

这个数据集包括150朵鸢尾花的萼片长度、萼片宽度、花瓣长度和花瓣宽度的测量值，这些花属于三个不同的物种：Setosa、versicolor和virginica。鸢尾花数据集有150行和5列，以dataframe的形式存储。

Sepal.Length - 表示萼片的长度，单位是厘米。
Sepal.Width - 萼片的宽度，单位是厘米。
Petal.Length - 表示花瓣的长度（厘米）。
Species - 代表鸢尾花的种类，有三个可能的值：setosa、versicolor和virginica。

可以使用sklearn.datasets模块的load_iris函数直接从sklearn加载鸢尾花数据集。

# To install sklearn
pip install scikit-learn

# To import sklearn
from sklearn.datasets import load_iris

# Load the iris dataset
iris = load_iris()

# Print the dataset description
print(iris.describe())
复制代码

这段使用sklearn加载Iris数据集的代码。于2023年3月27日从scikit-learn.org/stable/modu… 获取

2. Diabetes

这个sklearn数据集包含了442名糖尿病患者的信息，包括个人数据和临床测量值：

年龄
性别
身体质量指数(BMI)
平均血压
六项血清测量（如总胆固醇、低密度脂蛋白（LDL）胆固醇、高密度脂蛋白（HDL）胆固醇）。
糖尿病疾病进展的定量测量（HbA1c）。

糖尿病数据集可以使用sklearn.datasets模块的load_diabetes()函数加载。

from sklearn.datasets import load_diabetes

# Load the diabetes dataset
diabetes = load_diabetes()

# Print some information about the dataset
print(diabetes.describe())
复制代码

上面是使用sklearn加载糖尿病数据集的代码。于2023年3月28日从scikit-learn.org/stable/data… 获取。

3. Digits

这个sklearn数据集是一个从0到9的手写数字的集合，存储为灰度图像。它总共包含1797个样本，每个样本是一个形状为(8,8)的二维阵列。在 Digits 数据集中有64个变量（或特征），对应于每张数字图像的64个像素。

from sklearn.datasets import load_digits

# Load the digits dataset
digits = load_digits()

# Print the features and target data
print(digits.data)
print(digits.target)

复制代码

上面是使用sklearn加载Digits数据集的代码。与2023年3月29日从scikit-learn.org/stable/data… 获取。