数据集

• scikit learn python语言机器学习的工具有着丰富的API 数据集有着训练和测试两个不同的 具体多上自己定

• scikit learn接口有 分类 聚类 回归 特征工程 模型选择 调优

• 加载数据集 sklearn.datasets

  • datasets.load_*() 加载小规模的数据数据包
  • datasets.fetch_*(data_home = 数据集默认下载目录）默认 ~/scikit_learn_data/
  • sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)训练集【 train（训练） test（测试） all（全部）】
  • 数据集返回值得类型
    • data：特征数据数组，是 [n_samples * n_features] 的二维 numpy.ndarray 数组
    • target：标签数组，是 n_samples 的一维 numpy.ndarray 数组
    • DESCR 数据描述
    • feature_names 特征名字
    • target_names：标签名
  • 鸢尾花数据集是原则20世纪30年代的经典数据集。它是用统计进行分类的鼻祖。该数据集包括3个鸢尾花类别，每个类别有50个样本。其中一个类别是与另外两类线性可分的，而另外两类不能线性可分。
  • 鸢尾花就是前面有着四个数据然后会判断第五字段的属性是哪一个 里面有共有三个属性 鸢尾花数据一共150组 就是150行

• 数据集 进行划分

• from sklearn.model_selection import train_test_split

  • x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)
  • 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。

• 这里面主要是用了鸢尾花就是因为他是现成的数据 使用起来比较方便 然后在sklearn里面发现这个API的种子数量不同结果就不同 然后还有自动他给分开了 使用数据是多少 测试的是多少 这里就是 112/150 38/150

• fit(x,y)传两个参数的是有监督学习的算法，fit(x)传一个参数的是无监督学习的算法，比如降维、特征提取、标准化。

• fit和transform没有任何关系，之所以出来这么个函数名，仅仅是为了写代码方便，所以会发现transform（）和fit_transform（）的运行结果是一样的。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split


iris = load_iris()

# print("鸢尾花数据 ",iris)
# print("----------------")
# print(iris["data"])
# print("----------------")
# print(iris.target)
# print("----------------")
# print(iris.feature_names)
# print("----------------")
# print(iris.target_names)
# print("----------------")
# print(iris.DESCR)

# xtrain,xtest,ytrain,ytest = train_test_split(iris.data,iris.target, random_state=30)
# print(xtrain)
# print("----------------------")
# print(xtrain.shape)
# print("----------------------")
# print(ytrain.shape)
# print("----------------------")
# print(xtest.shape)
# print("----------------------")
# print(ytest.shape)

 # 2、对鸢尾花数据集进行分割
# 训练集的特征值x_train 测试集的特征值x_test 训练集的目标值y_train 测试集的目标值y_test
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)
print("x_train:\n", x_train.shape)
# 随机数种子
x_train1, x_test1, y_train1, y_test1 = train_test_split(iris.data, iris.target, random_state=6)
x_train2, x_test2, y_train2, y_test2 = train_test_split(iris.data, iris.target, random_state=6)
print("如果随机数种子不一致：\n", x_train == x_train1)
print("-------------------------")
print("如果随机数种子一致：\n", x_train1 == x_train2)