数据集的获取与划分

机器学习的数据集一般划分为两个部分:

1、训练集:用于训练，构建模型

2、测试集:在模型检验时使用，用于评估模型

 

数据集划分API：

sklearn.model_selection.train_test_split

 

练习时可以使用sklearn提供的数据集

sklearn数据集的获取:

• 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/

                                                    使用API获取数据集返回的类型

•                               load*和fetch*返回的数据类型datasets.base.Bunch(字典格式)
  •                data：特征值，是 [n_samples * n_features] 的二维

          numpy.ndarray 数组

• target：目标值，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：目标名,回归数据集没有