机器学习算法基础（二）：数据划分、转换器和估计器

一、数据划分

目标：将数据划分成训练集和测试集

（一）鸢尾花数据

150个样本，每个样本5个字段，5个字段可以表示成x1,x2,x3,x4,y。其中y表示鸢尾花的类别。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

li=load_iris()
print("获取特征值")
print(li.data)
print("获取目标值")
print(li.target)
print("数据的简介")
print(li.DESCR)

#返回值的顺序是固定的
x_train,x_test,y_train,y_test=train_test_split(li.data,li.target,test_size=0.25)

print("训练集的特征值和目标值：",x_train,x_test)
print("测试集的特征值和目标值：",y_train,y_test)

（二）新闻数据

from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split

news=fetch_20newsgroups(subset='all') #这里subset可以是train或者test
print(news.data)
print(news.target)

返回值的顺序是固定的
x_train,x_test,y_train,y_test=train_test_split(news.data,news.target,test_size=0.25)

print("训练集的特征值和目标值：",x_train,x_test)
print("测试集的特征值和目标值：",y_train,y_test)

二、转换器

fit_transform()=fit()+transform()
fit()：输入数据，无输出，但是会计算输入数据的平均值、方差等一些固有属性
transform()：根据fit()得到的平均值、方差等内容，进行数据转换。数据转换的内容有很多，具体看使用的是什么工具，如标准化、主成分降维。
fit_transform()：输入并转换数据

一般来说，x_test的数据转换会使用x_train的平均值和方差。

三、估计器

工作步骤：
1.fit(x_train，y_train)
2.y_predict=predict(x_test)
3.score(x_test,y_test)