sklearn datasets模块

模块介绍

datasets模块包含一些常用的数据集，包括内置的数据集、网络上的数据集以及构造的数据集三类。

模块函数

1、内置数据集

一般是比较小的数据集。

函数	描述
load_iris( )	鸢尾花数据集：3类、4个特征、150个样本
load_boston( )	波斯顿房价数据集：13个特征、506个样本
load_digits( )	手写数字集：10类、64个特征、1797个样本
load_breast_cancer( )	乳腺癌数据集：2类、30个特征、569个样本
load_diabets( )	糖尿病数据集：10个特征、442个样本
load_wine( )	红酒数据集：3类、13个特征、178个样本

2、网络数据集

大规模数据集，需要从网络上下载。

函数	描述
fetch_olivetti_faces()	olivetti脸部图像数据集，400 * 64 * 64
fetch_20newsgroups()	新闻分类数据集
fetch_lfw_people()	带标签的人脸识别数据集
fetch_rcv1()	路透社新闻预料数据集

3、生成数据集

函数	描述
make_blobs()	多类单标签数据集，为每个类分配一个或多个正太分布的点集
make_classification()	多类单标签数据集，为每个类分配一个或多个正太分布的点集，提供了为数据添加噪声的方式，包括维度相关性，无效特征以及冗余特征等
make_gaussian-quantiles()	将一个单高斯分布的点集划分为两个数量均等的点集，作为两类
make_hastie-10-2()	产生一个相似的二元分类数据集，有10个维度
make_circle()	产生同心圆型的二维二元分类 (标签为 0, 1) 数据集来测试某些算法的性能
make_moom()	产生月牙形的二维二元分类 (标签为 0, 1) 数据集