[scikit-learn] 第一章 初识scikit-learn及内置数据集介绍

菜鸡镇贴！！！

scikit-learn 简要介绍

​ Scikit learn是一个开源的机器学习库，支持有监督和无监督的学习。它还提供了用于模型拟合、数据预处理、模型选择、模型评估和许多其他实用程序的各种工具。

scikit-learn 安装

​ 本文仅提供Linux下的安装指南 其他平台可参照官网指南安装

​ Operating System ：Linux

​ Packager : conda

​ 使用Anaconda或miniconda安装程序或miniorge安装程序安装conda（其中任何安装程序都不需要管理员权限）。
然后运行：

conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env

scikit-learn 数据集介绍

​ scikit-learn内置了一些标准数据集，例如用于分类的鸢尾花和数字数据集以及用于回归的糖尿病数据集。该软件包还提供了一些助手，用于获取机器学习社区常用的较大数据集，以对来自“真实世界”的数据进行算法基准测试。此外它还具有一些人工数据生成器。

​ 简而言之 scikit-learn提供了三种数据集供你来学习机器学习：测试数据集、真实数据集和数据集生成器。

​ 数据集如下：

Category	Dataset
Toy datasets	Iris plants dataset
	Diabetes dataset
	Optical recognition of handwritten digits dataset
	Linnerrud dataset
	Wine recognition dataset
	Breast cancer wisconsin (diagnostic) dataset
Real world datasets	The Olivetti faces dataset
	The 20 newsgroups text dataset
	The Labeled Faces in the Wild face recognition dataset
	Forest covertypes
	RCV1 dataset
	Kddcup 99 dataset
	California Housing dataset
	Species distribution dataset
Generated datasets	Generators for classification and clustering
	Generators for regression
	Generators for manifold learning
	Generators for decomposition
	Loading other datasets
	Sample images
	Datasets in svmlight / libsvm format
	Downloading datasets from the openml.org repository
	Loading from external datasets

数据集API介绍

General dataset API. 根据所需的数据集类型，有三种主要类型的数据集接口可用于获取数据集。

**The dataset loaders. **它们可用于加载小型标准数据集，如Toy数据集部分所述。

**The dataset fetchers. **它们可用于下载和加载更大的数据集，如真实世界数据集部分所述。

Loaders

datasets.clear_data_home([data_home])		删除数据主缓存的所有内容。

datasets.dump_svmlight_file(X, y, f, *[, ...])		以svmlight/libsvm文件格式转储数据集。

datasets.fetch_20newsgroups(*[, data_home, ...])		从20个新闻组数据集中加载文件名和数据（分类）。

datasets.fetch_20newsgroups_vectorized(*[, ...])		加载并向量化20个新闻组数据集（分类）。

datasets.fetch_california_housing(*[, ...])			加载加州住房数据集（回归）。

datasets.fetch_covtype(*[, data_home, ...])			加载covertype数据集（分类）。

datasets.fetch_kddcup99(*[, subset, ...])			加载kddcup99数据集（分类）。

datasets.fetch_lfw_pairs(*[, subset, ...])			加载“野生（LFW）对中的已标记人脸”数据集（分类）。

datasets.fetch_lfw_people(*[, data_home, ...])		加载野外标记面孔 (LFW) 人物数据集（分类）。

datasets.fetch_olivetti_faces(*[, ...])				从 AT&T（分类）加载 Olivetti 面孔数据集。

datasets.fetch_openml([name, version, ...])			按名称或数据集 ID 从 openml 获取数据集。

datasets.fetch_rcv1(*[, data_home, subset, ...])		加载 RCV1 多标签数据集（分类）。

datasets.fetch_species_distributions(*[, ...])			Phillips 等人的物种分布数据集加载器。

datasets.get_data_home([data_home])						返回 scikit-learn 数据目录的路径。

datasets.load_breast_cancer(*[, return_X_y, ...])		加载并返回威斯康星州乳腺癌数据集（分类）。

datasets.load_diabetes(*[, return_X_y, ...])			加载并返回糖尿病数据集（回归）。

datasets.load_digits(*[, n_class, ...])					加载并返回数字数据集（分类）。

datasets.load_files(container_path, *[, ...])			加载以类别作为子文件夹名称的文本文件。

datasets.load_iris(*[, return_X_y, as_frame])			加载并返回鸢尾花数据集（分类）。

datasets.load_linnerud(*[, return_X_y, as_frame])		加载并返回体育锻炼 Linnerud 数据集。

datasets.load_sample_image(image_name)					加载单个样本图像的 numpy 数组。

datasets.load_sample_images()							加载示例图像以进行图像处理。

datasets.load_svmlight_file(f, *[, ...])				将 svmlight / libsvm 格式的数据集加载到稀疏 CSR 矩阵中。

datasets.load_svmlight_files(files, *[, ...])			从 SVMlight 格式的多个文件加载数据集。

datasets.load_wine(*[, return_X_y, as_frame])			加载并返回葡萄酒数据集（分类）。

Samples generator

datasets.make_biclusters(shape, n_clusters, *)			生成用于双聚类的常量块对角结构数组。

datasets.make_blobs([n_samples, n_features, ...])		生成各向同性高斯斑点以进行聚类。

datasets.make_checkerboard(shape, n_clusters, *)		生成具有块棋盘结构的数组以进行双聚类。

datasets.make_circles([n_samples, shuffle, ...])		在 2d 中制作一个包含小圆的大圆。

datasets.make_classification([n_samples, ...])			生成随机 n 类分类问题。

datasets.make_friedman1([n_samples, ...])				生成“Friedman #1”回归问题。

datasets.make_friedman2([n_samples, noise, ...])		生成“Friedman #2”回归问题。

datasets.make_friedman3([n_samples, noise, ...])		生成“Friedman #3”回归问题。

datasets.make_gaussian_quantiles(*[, mean, ...])		生成各向同性高斯并按分位数标记样本。

datasets.make_hastie_10_2([n_samples, ...])				生成 Hastie 等人使用的二元分类数据。 2009 年，例 10.2。

datasets.make_low_rank_matrix([n_samples, ...])			生成一个具有钟形奇异值的低秩矩阵。

datasets.make_moons([n_samples, shuffle, ...])			制作两个交错的半圆。

datasets.make_multilabel_classification([...])			生成随机多标签分类问题。

datasets.make_regression([n_samples, ...])				生成随机回归问题。

datasets.make_s_curve([n_samples, noise, ...])			生成 S 曲线数据集。

datasets.make_sparse_coded_signal(n_samples, ...)		生成信号作为字典元素的稀疏组合。

datasets.make_sparse_spd_matrix([n_dim, ...])			生成稀疏对称定正矩阵。

datasets.make_sparse_uncorrelated([...])				使用稀疏不相关设计生成随机回归问题。

datasets.make_spd_matrix(n_dim, *[, ...])				生成随机对称正定矩阵。

datasets.make_swiss_roll([n_samples, noise, ...])		生成瑞士卷数据集。

导入数据集demo

from sklearn import datasets

# 调用数据集
iris = datasets.load_iris()
digits = datasets.load_digits()

# 展示数据集
print(digits.data)
print(digits.target)
print(digits.images[0])