20191201——机器学习复习 sklearn数据集

获取数据集
sklearn.datasets是一个类 获取数据集有两种方法

datasets.load_*
datasets.fetch_*

load用于获取小规模的数据集
fetch用于获取大型的数据集

当我们调用数据后，会返回一系列的数据

在fetch函数中，有一个subtest参数，train/test/all 分别为测试集，训练集，所有

鸢尾花数据集介绍

数据集返回的是一个叫Bunch类型的数据
Bunch是一个字典格式的数据
字典具有键值对
键有五个
data：特征数据数组
target：标签数组
DESCR：数据描述
feature_names：特证名
target_names:标签名

dict[“key”] = value
dict.key = value

from sklearn.datasets import load_iris

iris  = load_iris()
print("鸢尾花数据集的返回值为",iris)
print("鸢尾花数据集的特征值为",iris.data)
print("鸢尾花数据集的目标值为",iris.target)
print("鸢尾花特征名字",iris.feature_names)
print("鸢尾花目标名字",iris.target_names)
print("鸢尾花的描述",iris.DESCR)

pycharm 单行多行注释 window ctrl+/

一共有有四个特征值
对应的目标值有三个

拿到的数据不用全部的应用于训练模型

数据集的划分

训练数据：用于训练，构建模型
测试数据：在模型检验的时候使用，用于评估模型是否有效

数据集的划分API
sklearn.model_selection.train_test_split()
传入参数
x数据集的特征值
y数据集的目标值
test_size 测试集的大小
random_state 随机数种子不同的种子会造成不同的随机采样结果，项目的种子采样结果相同

返回值return
训练集特征值，测试集特征值，训练集目标值，测试集目标值
一般来说test_size = 0.25

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
iris = load_iris()

x_train ,x_test ,y_train , y_test = train_test_split(iris.data, iris.target, random_state=22)

print(x_train.shape)

原来是150个样本，经过划分之后变成112个训练集 ，38个测试集