数据集加载--load_digits

sklearn.datasets.load_digits(*, n_class=10, return_X_y=False, as_frame=False)

加载并返回数字数据集

主要参数

n_class

返回的数字种类

return_X_y

bool,False

如果设置为True,返回(data,target),
如果设置为False, 返回一个Bunch对象

as_frame

bool,False

如果设置为True,返回的数据将是一个(包含一列数据类型)DataFrame对象,target将根据标签的列数返回一个DataFrame对象或者Series对象

返回值

return_X_y=True

返回(data, target)

return_X_y=False

返回一个Bunch对象

Bunch对象的属性

data

{ndarray, dataframe} of shape (1797, 64)

扁平数据矩阵, 如果as_frame=True,该属性将会是一个DataFrame对象

target

{ndarray, Series} of shape (1797,)
标签种类. 如果as_frame=True,该属性将会是一个Series对象

feature_names: list

数据集列名称

target_names: list

标签类名称

frame:

DataFrame of shape (1797, 65)

当as_frame=True时才会有该属性.

images

{ndarray} of shape (1797, 8, 8)
原始数据图像

使用举例

from sklearn.datasets import load_digits
digits = load_digits()
digits.data.shape
>>> (1797, 64)
x=digits.data
y=digits.target

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
引用:手写数字识别数据集MNIST是一个包括原始数据集的所有样本以及抽取的2000个样本的子集的数据集。它是美国著名数据集NIST的子集,常用于模式识别的实验数据集。这个数据集主要用于训练机器学习算法来识别手写数字。它包含了一系列的手写数字图像,每个图像都是28x28像素大小的灰度图像。这些图像被预处理成了特定的格式,以便机器学习算法可以直接使用。 关于load_digits数据集,没有在提供的引用内容中找到相关信息。但是一般来说,load_digitssklearn库中一个用于加载手写数字数据集的函数。这个函数可以直接加载MNIST数据集,并将其转换为NumPy数组的形式,以便进行机器学习的任务。这个数据集包含了一些手写数字的图像和对应的标签,可以用于训练和测试机器学习算法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [【深度域适配】二、利用DANN实现MNIST和MNIST-M数据集迁移训练](https://blog.csdn.net/lgzlgz3102/article/details/106644233)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [MNIST-handwritten-digits.zip_HANDWRITTEN_MNIST_MNIST mat_MNIST识别](https://download.csdn.net/download/weixin_42651887/86140204)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [【时空序列预测实战】详解时空序列常用数据集之MovingMnist数据集(demo代码)](https://blog.csdn.net/qq_33431368/article/details/109302166)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

夺笋123

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值