Python机器学习手册从数据预处理到深度学习（二）

继续学习这本书，这一章主要是主要是如何加载scikit-learn库中的自带的一些数据集，以及如何创建仿真数据集，其他的几个部分是加载CSV文件，Excel文件，加载json文件，查询SQL数据库,这几个部分的我也不会用到的，所以后面就暂时不写了。

#这一章主要是学习如何加载数据的，尽管在Python生态体系中有很多加载数据的方法，但本书会着重使用pandas库的
#一些方法来加载外部数据，并使用scikit-learn（Python中的一个开源的机器学习库）来生成仿生数据
#2.1加载样本数据集
#问题描述：加载已有的样本数据集
#加载scikit-learn的shujuj
from sklearn import datasets

#加载手写数字数据集
digits = datasets.load_digits()

#创建特征矩阵
features = digits.data

#创建目标向量
target = digits.target

#查看第一个样本数据
features[0] #不会显示出来
print(features[0]) #显示出来
#结果
# [ 0.  0.  5. 13.  9.  1.  0.  0.  0.  0. 13. 15. 10. 15.  5.  0.  0.  3.
#  15.  2.  0. 11.  8.  0.  0.  4. 12.  0.  0.  8.  8.  0.  0.  5.  8.  0.
#   0.  9.  8.  0.  0.  4. 11.  0.  1. 12.  7.  0.  0.  2. 14.  5. 10. 12.
#   0.  0.  0.  0.  6. 13. 10.  0.  0.  0.]

#讨论
# 在研究机器学习算法或方法时，大部分人不愿意把时间花在加载、转换、清洗从现实生活中得到的数据集上
# ，幸运的是，scikit-learn预置了一些很容易加载的常见数据集，