遥感&机器学习入门实战教程｜Sklearn案例⑬：数据集（datasets 模块）

在真实科研与工程中，强烈建议直接使用自己的遥感影像与标签数据，这样实验才具有实际意义。 不过，很多同学刚开始学习时可能没有准备好的数据集，可以借助 sklearn.datasets 里的内置与生成数据集功能来做练习。

往期内容和数据链接如下：

遥感&机器学习入门实战教程 数据集分享

🧩 datasets 模块能做什么？

sklearn.datasets 提供了三类常见功能：

1. 内置小数据集：适合快速上手，常见有：

   • load_iris()：鸢尾花分类

   • load_digits()：手写数字（8×8 灰度图）

   • load_wine()：红酒分类

   • load_breast_cancer()：乳腺癌诊断

2. 下载大型公开数据集（通过 fetch_ 前缀）：

   • fetch_olivetti_faces()：人脸数据

   • fetch_20newsgroups()：新闻分类文本

   • fetch_openml()：通用接口，可从 OpenML 平台拉取上百个公开数据集

3. 生成模拟数据（适合调试算法）：

   • make_classification()：生成可控特征和类别的分类数据

   • make_blobs()：聚类数据

   • make_moons()、make_circles()：非线性可分的二维玩具数据

💻 示例1：加载内置鸢尾花数据集

from sklearn.datasets import load_iris
import matplotlib.pyplot as plt

iris = load_iris()
X, y = iris.data, iris.target
print("数据形状:", X.shape)

# 简单可视化
plt.scatter(X[:,0], X[:,1], c=y, cmap="tab10")
plt.xlabel(iris.feature_names[0]); plt.ylabel(iris.feature_names[1])
plt.title("Iris 数据集前两维")
plt.show()

输出：四维特征（萼片/花瓣长宽），三类花（Setosa/Versicolor/Virginica）。

💻 示例2：生成模拟分类数据

from sklearn.datasets import make_classification
import matplotlib.pyplot as plt

X, y = make_classification(
    n_samples=300, n_features=2, n_redundant=0, n_clusters_per_class=1,
    n_classes=3, random_state=42
)

plt.scatter(X[:,0], X[:,1], c=y, cmap="tab20", s=30)
plt.title("make_classification 生成的三类数据")
plt.show()

这样就能快速生成一个分类任务，适合调试 SVM、kNN 等分类器。

💻 示例3：非线性分布数据

from sklearn.datasets import make_moons, make_circles
import matplotlib.pyplot as plt

X1, y1 = make_moons(n_samples=200, noise=0.2, random_state=42)
X2, y2 = make_circles(n_samples=200, noise=0.1, factor=0.5, random_state=42)

plt.figure(figsize=(8,3.5))
plt.subplot(1,2,1)
plt.scatter(X1[:,0], X1[:,1], c=y1, cmap="tab10")
plt.title("make_moons 月牙数据")

plt.subplot(1,2,2)
plt.scatter(X2[:,0], X2[:,1], c=y2, cmap="tab10")
plt.title("make_circles 圆环数据")
plt.show()

这类数据常用于展示 非线性分类器（如核SVM、神经网络）的优势。

✅ 小结

• sklearn.datasets 非常适合入门学习与算法调试，但不适合直接替代真实的遥感实验。

• 在实际工作中，应该使用 Sentinel、Landsat、高分等真实遥感影像；而在教学、算法原型验证时，可以用 make_classification 或 make_moons 快速生成样例。

• 建议同学们：用 datasets 快速练手，理解算法 → 再切换到真实遥感数据完成应用。

欢迎大家关注下方公众号获取更多内容！