靓仔的python机器学习笔记2.0

最新推荐文章于 2024-05-14 11:00:23 发布

白莲居仙

最新推荐文章于 2024-05-14 11:00:23 发布

阅读量241

点赞数

分类专栏：机器学习文章标签： python 机器学习开发语言

本文链接：https://blog.csdn.net/qq_42577508/article/details/125840503

版权

机器学习专栏收录该内容

3 篇文章 0 订阅

订阅专栏

2. 数据集

2.1可用数据集

公司内部百度
数据接口花钱
数据集

学习阶段可以用的数据集：
1) sklearn： sklearn网址
2) kaggle ：kaggle网址
3) UCI : UCI网址

2.1.2 Scikit-learn工具介绍

在这里插入图片描述

2.1.3 Scikit-learn安装

在这里插入图片描述

2.1.3 Scikit-learn包含的内容

在这里插入图片描述

2.1.4 sklearn数据集

sklearn.datasets
	load_* 获取小规模数据集
	feetch_*  获取大规模数据集 
	2 sklearn小数据集 
		sklearn.datasets.load_iris()
	3 sklearn大数据集
		sklearn.datasets.fetch_20newsgroups(data_home=None,subset='train')
			subset:'train'或者'test','all',可选，选择要加载的数据集。
			训练集的‘训练’，测试集的“测试”，两者的“全部”
	4 数据集的返回值
		datasets.base.Bunch(继承自字典)
			dict["key"] = values
			bunch.key = values
			
	思考：拿到的数据是否全部都用来训练一个模型？

测试iris（鸢尾花）数据集代码：

from sklearn.datasets import load_iris


def datasets_demo():
    """
    sklearn数据集的使用
    :return:
    """
    # 获取数据集
    iris = load_iris()
    # print("鸢尾花数据集：\n", iris)
    # print("查看数据集描述：\n", iris["DESCR"])
    # print("查看特征值的名字：\n", iris.feature_names)
    print("查看特征值：\n", iris.data,iris.data.shape)
    return None


if __name__ == '__main__':
    # 代码1：sklearn数据集的使用
    datasets_demo()

2.1.5 数据集的划分

训练数据：用于训练、构建模型
测试数据：在模型检验时使用，用于评估模型是否有效（测试集：20%~30%）

数据集划分api：
在这里插入图片描述
数据集划分代码测试：

from sklearn.model_selection import train_test_split

    # 数据集划分
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2,
                                                        random_state=22)  # 默认的test_size=0.25
    # print("训练集的特征值：\n", x_train, x_train.shape)
    # print("测试集的特征值：\n", x_test, x_test.shape)
    print("训练集的目标值：\n", y_train, y_train.shape)
    # print("测试集的目标值：\n", y_test, y_test.shape)