sklearn学习笔记（4）——sklearn数据集

sklearn数据集API介绍

获取数据集返回的类型

数据集划分

机器学习一般的数据集会划分为两个部分：

（1）训练数据，用于训练，构建模型

（2）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机器学习算法的实现——估计器

估计器的工作流程

 

# -*- coding: utf-8 -*-

from sklearn.datasets import load_iris, fetch_20newsgroups, load_boston
from sklearn.model_selection import train_test_split

li = load_iris()
print(li.data)
print(li.target)
print(li.DESCR)
print(li.feature_names)
print(li.target_names)

# 返回值： 训练集特征值，测试集特征值，训练集目标值，测试集目标值
x_train, y_test, y_train, x_test = train_test_split(li.data, li.target, test_size=0.25)
print(x_train, x_test)
print(y_train, y_test)

# 获取大量的分类数据
news = fetch_20newsgroups(subset="all")
print(news.data)
print(news.target)

# 获取回归数据集
lb = load_boston()
print(lb.data)
print(lb.target)