sklearn常用函数

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)