1. 数据集划分
数据集划分为两个部分:
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
2. sklearn数据集API(接口)
scikit-learn数据集API介绍:
sklearn.datasets-----加载获取流行数据集
datasets.load_*()
获取小规模数据集,数据包含在datasets里
datasets.fetch_*(data_home=None)
获取大规模数据集,需要从网络上下载,函数的第一个参数是data_home,表示数据集下载的目录,默认是 ~/scikit_learn_data/,要修改默认目录,可以修改环境变量SCIKIT_LEARN_DATA。
获取数据集返回的类型:
load*和 fetch* 函数返回的数据类型是 datasets.base.Bunch,本质上是一个 dict(字典),它的键值对可用通过对象的属性方式访问。主要包含以下属性:
data:特征数据数组(特征值),是 n_samples * n_features 的二维 numpy.ndarray 数组
target:标签数组(目标值),是 n_samples 的一维 numpy