数据集的使用

1.学习阶段可以用的数据集：
    1）sklearn
    2）kaggle
    3）UCI
2 sklearn数据集
    sklearn.datasets
        load_*  获取小规模数据集
        fetch_* 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’)
        4 数据集的返回值
            datasets.base.Bunch（继承自字典）
                dict["key"] = values
                bunch.key = values
3 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%
        sklearn.model_selection.train_test_split(arrays, *options)
        返回值的顺序为：训练集特征值，测试集特征值，训练集目标值，测试集目标值
        x_train, x_test, y_train, y_test

 

代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

def datasets_demo():
    """
    sklearn数据集使用
    :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)

    # 数据集划分
    # 返回值的顺序为 训练集特征值，测试集特征值，训练集目标值，测试集目标值
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
    print("训练集的特征值：\n", x_train, x_train.shape)

    return None

if __name__ == "__main__":
    datasets_demo()