scikit基础与机器学习入门（4） sklearn模块数据集的使用——自带数据集和自定义数据集

API通用方法

类型	获取方式
自带的小数据集	sklearn.datasets.load_
在线下载的数据集	sklearn.datasets.fetch_
计算机生成的数据集	sklearn.datasets.make_

load系列

• 鸢尾花数据集： load_iris() 可用于分类 和 聚类
• 乳腺癌数据集： load_breast_cancer() 可用于分类
• 手写数字数据集： load_digits() 可用于分类
• 糖尿病数据集： load_diabetes() 可用于分类
• 波士顿房价数据集： load_boston() 可用于回归
• 体能训练数据集： load_linnerud() 可用于回归
• 图像数据集： load_sample_image(name)

make系列

• make_blobs 可用于聚类和分类
• make_classification 可用于分类
• make_circles 可用于分类
• make_moons 可用于分类
• make_multilabel_classification 可用于多标签分类
• make_regression 可用于回归

例子

# 生成数据 make_blobs
# 导入相关的库
import pandas as pd
import numpy as np
%matplotlib inline
import matplotlib
from sklearn.datasets.samples_generator import make_blobs
# 设置参数 center:聚类中心
#          cluster_std:聚类标准差
center=[[1,1],[-1,-1],[1,-1]]
cluster_std=0.3
# 生成样本
X,labels=make_blobs(n_samples=200,centers=center,n_features=2,
cluster_std=cluster_std,random_state = 0)

print('X.shape',X.shape)
print("labels",set(labels))
#np.c_:两矩阵左右相加
df = pd.DataFrame(np.c_[X,labels],columns = ['feature1','feature2','labels'])
#mycolormap = matplotlib.colors.ListedColormap(['red','cyan','magenta'], N=3)
#matplotlib常用colormap：'jet','rainbow','hsv'
df.plot.scatter('feature1','feature2', s = 100,
c = list(df['labels']),cmap = 'rainbow',colorbar = False,
alpha = 0.8,title = 'dataset by make_blobs')

更多的情况可查阅官方文档 Introduction · sklearn 中文文档 (apachecn.org)