import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn import datasets from sklearn.decomposition import PCA # 加载数据集 iris = datasets.load_iris() #获取前两个数据特征集 X = iris.data[:, :2] #目标集 y = iris.target x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5 y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5 plt.figure(2, figsize=(8, 6)) plt.clf() # 绘制训练数据集
sklearn的快速使用之一(数据集探索)
最新推荐文章于 2024-07-24 23:51:07 发布
本文介绍了如何使用Python的sklearn库进行数据集的快速探索,包括数据加载、预处理和基本统计分析,帮助理解数据特征和分布。
摘要由CSDN通过智能技术生成