[scikit-learn] 第一章初识scikit-learn及内置数据集介绍

scikit-learn简介、安装与数据集介绍

最新推荐文章于 2025-07-13 19:24:50 发布

原创

最新推荐文章于 2025-07-13 19:24:50 发布 · 1.4k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#scikit-learn #python #机器学习

文章目录

菜鸡镇贴！！！

菜鸡镇贴！！！

请添加图片描述

scikit-learn 简要介绍

Scikit learn是一个开源的机器学习库，支持有监督和无监督的学习。它还提供了用于模型拟合、数据预处理、模型选择、模型评估和许多其他实用程序的各种工具。

scikit-learn 安装

本文仅提供Linux下的安装指南其他平台可参照官网指南安装

Operating System ：Linux

Packager : conda

使用Anaconda或miniconda安装程序或miniorge安装程序安装conda（其中任何安装程序都不需要管理员权限）。
然后运行：

conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env

scikit-learn 数据集介绍

scikit-learn内置了一些标准数据集，例如用于分类的鸢尾花和数字数据集以及用于回归的糖尿病数据集。该软件包还提供了一些助手，用于获取机器学习社区常用的较大数据集，以对来自“真实世界”的数据进行算法基准测试。此外它还具有一些人工数据生成器。

简而言之 scikit-learn提供了三种数据集供你来学习机器学习：测试数据集、真实数据集和数据集生成器。

数据集如下：

Category	Dataset
Toy datasets	Iris plants dataset
	Diabetes dataset
	Optical recognition of handwritten digits dataset
	Linnerrud dataset
	Wine recognition dataset
	Breast cancer wisconsin (diagnostic) dataset
Real world datasets	The Olivetti faces dataset
	The 20 newsgroups text dataset
	The Labeled Faces in the Wild face recognition dataset
	Forest covertypes
	RCV1 dataset
	Kddcup 99 dataset
	California Housing dataset
	Species distribution dataset
Generated datasets	Generators for classification and clustering
	Generators for regression
	Generators for manifold learning
	Generators for decomposition
	Loading other datasets
	Sample images
	Datasets in svmlight / libsvm format
	Downloading datasets from the openml.org repository
	Loading from external datasets

数据集API介绍

General dataset API. 根据所需的数据集类型，有三种主要类型的数据集接口可用于获取数据集。

**The dataset loaders. **它们可用于加载小型标准数据集，如Toy数据集部分所述。

**The dataset fetchers. **它们可用于下载和加载更大的数据集，如真实世界数据集部分所述。

Loaders

datasets.clear_data_home([data_home])		删除数据主缓存的所有内容。

datasets.dump_svmlight_file(X, y, f, *[, ...])		以svmlight/libsvm文件格式转储数据集。

datasets.fetch_20newsgroups(*[, data_home, ...])		从20个新闻组数据集中加载文件名和数据（分类）。

datasets.fetch_20newsgroups_vectorized(*[, ...]