08机器学习——sklearn数据集

08机器学习——sklearn数据集

1.数据集的划分
数据分为训练集和测试集，一般训练集占大部分
训练集的目的就是为了建立模型，测试集用来评估模型，针对不同的算法评估的标准是不一样的

2.sklearn数据集接口介绍

3.sklearn分类数据集

from sklearn.datasets import load_iris
li=load_iris()
print('获取特征值')
print(li.data)
print('目标值')
print(li.target)

结果：

四列特征值，每一个值代表一个样本
目标值中，前面50个都是0这个类别，中间50个都是1这个类别，最后50个都是2这个类别

打印它的描述

print(li.DESCR)

其中：

Attribute Information里面的内容表示，四个特征的含义是什么（这里就是花的一些特征）

class表示花的类别，这里有三种花的类别

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
li=load_iris()
#注意返回值，训练集 train, x_train（训练集里面的特征值） y_train（训练集里面的目标值）,测试集 test, x_test（测试集里面的特征值）,y_test（测试集里面的目标值）
#先都是特征值，再都是目标值（固定顺序）
x_train,x_test,y_train,y_test=train_test_split(li.data,li.target,test_size=0.25)
print('训练集特征值和目标值:',x_train,y_train)
print('测试集特征值和目标值:',x_test,y_test)

结果：

其实就是把样本的一部分当作测试集，并且是乱序的

获取新闻数据集

from sklearn.datasets import load_iris,fetch_20newsgroups
li=load_iris()
news=fetch_20newsgroups(subset='all')
print(news.data)
print(news.target)

4.sklearn回归数据集

from sklearn.datasets import load_iris,fetch_20newsgroups,load_boston
lb=load_boston()
print('获取特征值')
print(lb.data)
print('目标值')
print(lb.target)
print(lb.DESCR)

结果：


目标值是一个个连续型的值

还有许多属性等等