即使用load_ 加载安装sklearn时已经装好的数据集
# 导入花的数据集
from sklearn.datasets import load_iris
# 导入模型划分(划分训练集 测试集)
from sklearn.model_selection import train_test_split
'''
sklearn.datasets
加载获取流行数据集
datasets.load_*()
获取小规模数据集,数据包含在datasets里
datasets.fetch_*(data_home=None)
获取大规模数据集,需要从网络上下载,函
数的第一个参数是data_home,表示数据集
下载的目录,默认是 ~/scikit_learn_data/
'''
# 字典格式
li = load_iris()
# 数据目标值
print(li.target)
# 数据内容(特征值)
print(li.data)
# 数据描述
print(li.DESCR)
print(li.feature_names)
print(li.target_names)
print('*'*100)
# 参数说明: 第一个特征值 第二个目标值 第三个指定测试集大小
# 返回值:包含训练集和测试集
# x_train :训练集特征值
# x_test :测试集特征值
# y_train :训练集目标值
# y_test : 测试集目标值
x_train,x_test,y_train,y_test = train_test_split(li.data,li.target,test_size=0.25)
print("训练集特征值 目标值",x_train,y_train)
print("测试集特征值 目标值",x_test,y_test)