DeepChem的数据集

DeepChem数据处理
DeepChem的dc.data模块包含处Dataset对象的各种工具。这些Dataset对象是DeepChem的核心。Dataset对象是机器学习中数据集的抽象。也就是特征，标签，权重，以及相关标识的集合。在此仅作展示，而不是深入的解释。
>>> import deepchem as dc
>>> import numpy as np
>>> N_samples = 50
>>> n_features = 10
>>> X = np.random.rand(N_samples, n_features)
>>> y = np.random.rand(N_samples)
>>> dataset = dc.data.NumpyDataset(X, y)
>>> dataset.X.shape
(50, 10)
>>> dataset.y.shape
(50,)
我们用NumpyDataset类，是存贮在内存中的数据集。这对于小型数据集可以工作得很好，也很便于实验，但是对于大型数据集就不是很方便。大型数据集我们有DiskDataset类。
>>> dataset = dc.data.DiskDataset.from_numpy(X, y)
>>> dataset.X.shape
(50, 10)