数据集
1.数据集
- 数据集构成:特征值+目标值 red 有些数据集可以没有目标值
- 数据集分为训练集和测试集
2.可用数据集
Kaggle网址:Kaggle
UCI数据集网址: UCL
scikit-learn网址: scikit-learn
scilit-learn2
scikit-learn特点:
- 1、数据量小
- 2、方便学习
UCI特点:
- 1、收录了360个数据集
- 2、覆盖科学、生活、经济等领域
- 3、数据集几十万
Kaggle特点:
- 1、大数据竞赛平台
- 2、80万科学家
- 3、数据量巨大
- 1 Scikit-learn工具介绍
3.安装Scikit-learn
1.下载
pip install Scikit-learn==0.19.1
2.import sklearn
import sklearn
- 分类、聚类、回归
- 特征工程
- 模型选择、调优
3.1 sklearn数据集
API
1.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data_hame,表示数据集下载的目录,默认是 ~/scikit_learn
- datasets.load_*()
2 sklearn小数据集
- sklearn.datasets.load_iris():加载并返回鸢尾花数据集
- sklearn.datasets.load_boston():加载并返回波士顿房价数据集
3 sklearn大数据集
-
sklearn.datasets.fetch_20newsgroups(data=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 sklearn数据集的使用
sklearn数据集返回值介绍
-
load和fetch返回的数据类型datasets.base.Bunch(字典格式)
- data:特征数据数组,是[n_samples * n_features]的二维numpy.ndarry数组
- target:标签数组,是n_samples的一维numpy.ndarry数组
- DESCR:数据描述
- feature_names:特征名,新闻数据,手写数字、回归数据集没有
- target_names:标签名
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"]) # 数据集的描述信息
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) # shape:(150,4)
return None
if __name__ == "__main__":
# 代码1:sklearn数据集的使用
datasets_demo()