5. sklearn数据集

sklearn 数据集

数据集划分

分为
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

  • sklearn数据集划分api
    sklearn.model_selection.train_test_split
  • sklearn数据集api
    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/

获取数据集返回的类型

  • load和fetch返回的数据类型datasets.base.Bunch (字典格式)
  1. data: 特征数据数组,是[n_samples * n_features]的二维dumpy.ndarray数组
  2. target: 标签数组,是n_samples的一维dumpy.ndarray数组
  3. DESCR: 数据描述
  4. feature_names: 特征名,新闻数据,手写数字,回归数据集没有
  5. target_names: 标签名,回归数据集没有

sklearn分类数据集

sklearn.datasets.load_iris(). 加载并返回鸢尾花数据集
sklearn.datasets.load_digits(). 加载并返回数字数据集

数据集进行分割

sklearn.model_selection.train_test_split(*arrays, **options)
x 数据集的特征值
y 数据集的标签值
test_size 测试集的大小,一般为float
random_state 随机数种子,不同的种子会造成不同的随机采样结果。相同的种子采样结果相同。
返回值 训练集特征值,测试集特征值,训练标签,测试标签(默认随机取)

用于分类的大数据集

  • 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”
  • datasets.clear_data_home(data_home=None)
    清除目录下的数据

sklearn回归数据集

sklearn.datasets.load_boston() 加载并返回波士顿房价数据集
sklearn.datasets.load_diabetes() 加载和返回糖尿病数据集

sklearn机器学习算法的实现-估计器

在sklearn中,估计器(estimator)是一个重要的角色,分类器和回归器都属于estimator,是一类实现了算法的API

  • 用于分类的估计器:
  1. sklearn.neighbors k-近邻算法
  2. sklearn.naive_bayes 贝叶斯
  3. sklearn.linear_model.LogisticRegression 逻辑回归
  • 用于回归的估计器:
  1. sklearn.linear_model.LinearRegression 线性回归
  2. sklearn.linear_model.Ridge岭回归

你可能感兴趣的:(5. sklearn数据集)