sklearn中获取内置数据及其常用的操作（数据的加载、数据的查看、训练集和测试集合的划分）

c)Scikit-learn工具介绍
load_获取小数据集
fetch_8获取大规模数据集
Sklearn.datasets.load_(data_home=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’
数据返回类型：datasets.base.Bunch(继承自字典)
可以使用dict[“key”] = values
Bunch.key = values
常用操作如下
print(“莺尾花数据集合：\n”,iris)
print(“查看数据集描述：\n”,iris[“DESCR”])
print(“查看特征值名字：\n”,iris.feature_names)
print(“查看特征值名字：\n”,iris.data,iris.data.shape)
一般不是把数据全部当作训练集合，一般还会留下部分作为测试集合，这叫做数据集的划分，其提供了一个api
Sklearn.model_selection.train_test_split(arrays,*options)
-x数据集的特征值
-y数据集的标签值
-test_size测试集的大小，一般为float
-random-state随机种子，不同的种子会造成不同的采样结果。相同的种子采样结果相同
-return训练集特征值，测试集特征值，训练集目标值，测试集目标值

代码如下

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

def data_demo():
    """
    sklearn数据集的使用
    :return:
    """
    iris = load_iris()
    print("莺尾花数据集合：\n",iris)
    print("查看数据集描述：\n",iris["DESCR"])
    print("查看特征值名字：\n",iris.feature_names)
    print("查看特征值名字：\n",iris.data,iris.data.shape)
    # 数据集的划分
    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", x_train, x_train.shape)
    return None