sklearn数据集与估计器

数据集

数据集获取

sklearn.datasets # 可用于加载当前流行数据集
"""获取小规模数据集，数据包含在datasets模块中可直接加载"""
dataset.load_*() # *代表数据集名字
"""获取大规模数据集，需要重网上下载"""
datasets.fetch_*(data_home=None) # data_home参数指定下载路径
"""获取数据返回类型
load*和fetch*返回的数据类型为datasets.base.Bunch (字典格式)
data属性：特征数据数组，是[n_samples,n_features]的二维ndarray数组
target属性：标签数组，是n_samples的一维ndarray数组
DESCR属性：数据集相关描述
feature_names：特征名
target_names：标签名
"""
from sklearn import datasets
# 加载iris数据集
data1 = datasets.load_iris()
# 加载20newsgroups数据集
data2 = datasets.fetch_20newsgroups(data_home="./datasets")
# 清除目录下的数据集
datasets.clear_data_home(data_home="./datasets")

数据集划分

1. 训练集
   用于训练模型

2. 测试集
   用于评估模型

from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(X,Y,test_size=0.25)
"""X：数据集的特征值
	Y：数据集的标签值
	test_size:float 数据集中作为测试集的比例
	return：返回值为 训练集特征值，测试集特征值，训练集标签，测试集标签（顺序不可变）
"""

sklearn中的估计器

sklearn中的估计器（estimator）是一类实现了算法的API

"""分类估计器"""
sklearn.neighbors   # KNN算法
sklearn.naive_bayes  # 朴素贝叶斯
sklearn.linear_model.LogisticRegression  # 逻辑回归
"""回归估计器"""
sklearn.linear_model.LinearRegression  # 线性回归
sklearn.linear_model.Ridge  # 岭回归

估计器工作流程