机器学习之获取数据集

可用数据集

• scikit-learn数据集
  • 数据量小
  • 方便学习
• uci数据集
  • 收录了360个数据集
• Kaggle
  • 大数据竞赛平台

sklearn数据集

# 加载本地小数据集
datasets.load_*()

#下载网络数据集
#data_home 默认是 ~/scikit_learn_data/
datasets.fetch_*(data_home=None)

• load和fetch返回的数据类型是datasets.base.Bunch(继承自字典)

  • data: 类型是numpy.ndarray
  • target：标签数组
  • DESCR：数据描述
  • feature_names：特征名
  • target_names:标签名

  #dict获取键值
  dict["key"]=value
  #bunch获取键值
  bunch.key=value
  

• 数据集划分 train_test_split

  • 将数据集划分为训练集和测试集

  from sklearn.datasets import load_iris 
  from sklearn.model_selection import train_test_split
  
  def datasets_demo():
      """
      sklearn数据集使用
      """
      #加载数据集
      iris = load_iris()
      
      x_train,x_test, y_train,y_test = train_test_split(iris.data,iris.target,test_size=0.2)
      print(x_train.shape,x_test.shape, y_train.shape,y_test.shape)
  
  if __name__ == "__main__":
      datasets_demo()