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)