【大数据】sklearn数据集结构分析

数据集加载工具

sklearn.datasets包嵌入了一些小型玩具数据集。

General dataset API 通用数据集API

对于不同类型的数据集，有三种不同类型的数据集接口。 最简单的是样本图像的界面。

load_sample_images()  加载样本图像以进行图像处理。

load_sample_image(image_name)     加载单个样本图像的numpy数组。

数据集生成函数和svmlight加载器共享一个简单的接口，该接口返回一个元组（X，y），它由n_samples * n_features 的numpy类型的数组X和包含目标y的长度为n_samples的数组所组成。

玩具数据集以及“真实世界”数据集和从mldata.org网站获取的数据集具有更复杂的结构。 这些函数返回一个类似字典的对象，它至少包含两个项目：一个带有关键数据的n_samples * n_features形状的数组（20newsgroups除外）和一个长度为n_samples的numpy数组，这个数组包含目标值和关键目标。

数据集还包含DESCR中的描述，一些描述包含在feature_names和target_names。

 

fr