机器学习Sklearn数据集

---

1 数据集

• 知道数据集的分为训练集和测试集
• 会使用sklearn的数据集

1.1 可用数据集

Kaggle网址：https://www.kaggle.com/datasets

UCI数据集网址： http://archive.ics.uci.edu/ml/

scikit-learn网址：https://scikit-learn.org.cn/

1.1.1 Scikit-learn工具介绍

• Python语言的机器学习工具
• Scikit-learn包括许多知名的机器学习算法的实现
• Scikit-learn文档完善，容易上手，丰富的API
• 目前稳定版本0.19.1

1.1.2 安装

pip3 install Scikit-learn==0.19.1

这里可能初次安装会很慢，建议换镜像下面有

安装好之后可以通过以下命令查看是否安装成功

import sklearn

• 注：安装scikit-learn需要Numpy, Scipy等库

1.1.3 Scikit-learn包含的内容

• 分类、聚类、回归
• 特征工程
• 模型选择、调优

1.2 sklearn数据集

1.2.1 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/

1.2.2 sklearn小数据集

• sklearn.datasets.load_iris()

  加载并返回鸢尾花数据集

• sklearn.datasets.load_boston()

  加载并返回波士顿房价数据集

实例

# coding:utf-8
from sklearn.datasets import load_iris, fetch_20newsgroups


# 1.数据集获取
# 1.1 小数据集获取
iris = load_iris()
print(iris)

1.2.3 sklearn大数据集

• sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
  • subset：‘train’或者’test’，‘all’，可选，选择要加载的数据集。
  • 训练集的“训练”，测试集的“测试”，两者的“全部”

实例

# coding:utf-8

from sklearn.datasets import load_iris, fetch_20newsgroups


# 1.2 大数据集获取
# news = fetch_20newsgroups()
# print(news)