1、生成数据
在学习机器学习算法的时候,我们经常需要数据来对算法进行验证。sklearn.datasets
模块提供了一些函数,可以生成数据,使用这些数据,我们可以很方便的训练模型,并对其效果进行测试。
- load_digits
load_digits 生成的数据是手写字体识别的数据,X是1797*64的矩阵,y是1797维的向量。也就是说,X的每一行是一个手写字体的特征向量,对应的y中的数字就是该手写字体的正确结果。
from sklearn.datasets import load_digits
digits = load_digits()
X = digits.data
y = digits.target
- load_boston
load_boston 现在我们不需要管得到的X和y的具体含义,只需要知道X的每一行是一个实例的特征向量,而y对应的就是此实例的标签。
from sklearn.datasets import load_boston
boston = load_boston()
X = boston.data
y = boston.target
- load_iris
load_iris 同上
from sklearn.datasets import load_iris
iris = load_iris()
X = boston.data
y = boston.target
2、将数据集分为训练集和测试集
主要用到train_test_split
函数,位于sklearn.model_selection
模块,此函数可以只分割特征向量,也可以同时分割特征向量与对应标签。
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_digits
digits = load_digits()
X = digits.data
y = digits.target
X_train, X_test = train_test_split(X, test_size=0.33, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)