数据集
数据集获取
sklearn.datasets # 可用于加载当前流行数据集
"""获取小规模数据集,数据包含在datasets模块中可直接加载"""
dataset.load_*() # *代表数据集名字
"""获取大规模数据集,需要重网上下载"""
datasets.fetch_*(data_home=None) # data_home参数指定下载路径
"""获取数据返回类型
load*和fetch*返回的数据类型为datasets.base.Bunch (字典格式)
data属性:特征数据数组,是[n_samples,n_features]的二维ndarray数组
target属性:标签数组,是n_samples的一维ndarray数组
DESCR属性:数据集相关描述
feature_names:特征名
target_names:标签名
"""
from sklearn import datasets
# 加载iris数据集
data1 = datasets.load_iris()
# 加载20newsgroups数据集
data2 = datasets.fetch_20newsgroups(data_home="./datasets")
# 清除目录下的数据集
datasets.clear_data_home(data_home="./datasets")
数据集划分
-
训练集
用于训练模型 -
测试集
用于评估模型
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(X,Y,test_size=0.25)
"""X:数据集的特征值
Y:数据集的标签值
test_size:float 数据集中作为测试集的比例
return:返回值为 训练集特征值,测试集特征值,训练集标签,测试集标签(顺序不可变)
"""
sklearn中的估计器
sklearn中的估计器(estimator)是一类实现了算法的API
"""分类估计器"""
sklearn.neighbors # KNN算法
sklearn.naive_bayes # 朴素贝叶斯
sklearn.linear_model.LogisticRegression # 逻辑回归
"""回归估计器"""
sklearn.linear_model.LinearRegression # 线性回归
sklearn.linear_model.Ridge # 岭回归
估计器工作流程