sklearn数据集

1.数据集划分

2.sklearn数据集接口介绍

3.sklearn分类数据集

4.sklearn回归数据集

 

　　　　数据集划分为：

　　　　　　　　1.原始数据集

　　　　　　　　2.测试数据集

　　

接口介绍：

　　1.sklearn数据集划分API: sklearn.model_selection.train_test_split

　　2.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，需要从网络下载，函数的第一个参数是data_home,表示素具集下载的目录，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)

　　　　。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:数组描述

　　　　。feature_names:特征名，新闻数据，手写数字、回归数据集没有

　　　　。target_names: 标签名

 

　　　　　　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。

　　　　. return 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，选择要加载对的数据集，训练集的“训练”, 测试集的“测试”，两者的“全部”

　　　　　　.datasets.clear_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

　　　　名称                                                   数量

　　　　目标类型                                            5-50

　　　　特征　　　　　　　　　　　　　　　13

　　　　样本数量　　  　　　　　　　　　　506

　　   

　　  sklearn.datasets.load_diabetes()

　　　　　　加载和返回糖药病数据集

　　　　名称                                                   　数量

　　　　目标范围　　　　　　　　　　　　 25-346

　　    　特征　　　　　　　　　　　　　　　　10

　　　　样本数量　　　　　　　　　　　　　442　　　

 

特征工程的步骤：

　　1.实例化（实例化的事一个转换器类（Transformer））

　　2.调用fit_transform( 对于问昂建立分类词频矩阵，不能同时调用）

　　

　　　　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，是一类实现了算法的API

　　1.用于分类的估计器：

　　　　。sklearn.neighbors  k-近邻算法

　　　　。sklearn.naive_bayes  贝叶斯

　　　　。sklearn.linear_model.LogisticRegressino  逻辑回归

　　　　。sklearn.tree 决策树与随机森林

　　2.用于回归的估计器：

　　　　。sklearn.linear_model.LinearRegression 线性回归

　　　　。sklearn.linear_model.Ridge 岭回归

　　3.聚合的估计器

 　　　   。