机器学习（三）sklearn数据集

机器学习（三）sklearn数据集

一.数据集划分

一般来说，数据集分为两大部分

• 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

一般来说，测试数据的量要比训练数据的量小很多。测试数据量：训练数据量大概为25%：75%。测试数据都是一些没有使用过的新数据。

二.数据集的使用

对于个人来说，数据集的采集通常需要花费大量的精力和时间。但是，包括sklearn, kaggle这些，都给提供了很多数据集。

我们以sklearn为例，在sklearn中，数据集划分的api如下：

# 数据集划分 API
sklearn.model_selection.train_test_split

而数据集获取的接口如下：

#数据集API，以及相关方法
sklearn.datasets #加载获取流行数据集
datasets.load_