机器学习04

数据划分和介绍

数据集划分为训练集和测试集，训练集比例较大

from sklearn.datasets import load_iris
li=load_iris()  #字典格式
print("获取特征值")
print(li.data)
print("获取目标值")
print(li.target)
print(li.DESCR)

运行结果：
获取特征值
[[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]...
 [6.2 3.4 5.4 2.3]
 [5.9 3.  5.1 1.8]]
获取目标值
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2...]
:Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:
        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm
        - ...

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
li=load_iris()  
train_test_split(li.data,li.target,test_size=0.25)  #返回训练集和测试集
#训练集train x_train y_train          测试集 test x_test  y_test
            #特征值  目标值
x_train,x_test,y_train,y_test=train_test_split(li.data,li.target,test_size=0.25)  #返回训练集和测试集
#顺序固定好
print("训练集特征值和目标值：",x_train,y_train)
print("测试集特征值和目标值：",x_test,y_test)

from sklearn.datasets import load_iris,fetch_20newsgroups,load_boston
news=fetch_20newsgroups(subset='all')   #获取新闻数据集
print(news.data)
print(news.target)

lb=load_boston()     #获取回归数据集
print("获取特征值")
print(lb.data)
print("获取目标值")
print(lb.target)
print(lb.DESCR)

转换器与估计器

fit_transform=fit+transform

两次结果不同的原因是：fit出来的是一套标准，第一个fit是相同的数据，所以平均值等都一样，第二个不一样，出来的标准也就不一样

估计器

估计器的流程