sklearn数据集

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