机器学习之sklearn，包含了概念、API、示例，看这一篇就够了！！！

数据集

目标

知道数据集分为训练集和测试集

会使用sklearn的数据集

可用数据集

scikit-learn：https://scikit-learn.org/dev/preface.html
UCI数据集网站：https://archive.ics.uci.edu/ml/index.php

sklearn数据集

scikit-lear数据集API

sklearn.datasets

• 加载获取流行数据集

• dataset.load_*() *代表数据集的名字

  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，需要从网络上下载，data_home 表示数据集下载的目录，默认是~/scikit_learn_data/

sklearn小数据集

举例：

	鸢尾花数据集

	sklearn.datasets.load_iris()

加载并返回鸢尾花数据集

名称	数量
类别	3
特征	4
样本数量	150
每个类别数量	50

	波士顿房价数据集

	sklearn.datasets.load_boston()

加载并返回波士顿房价数据集

名称	数量
目标类别	5-50
特征	13
样本数量	506

sklearn大数据集

sklearn数据集的使用

以鸢尾花数据集为例

sklearn数据集返回值

load和fetch返回的数据类型datasets.base.Bunch(继承自字典)

	dict["key"] = values

	bunch.key = values

• data：特征数据数组(特征值)，是
• target:标签数组
• DESCR:数据描述
• feature_names：特征值
• target_names:标签名

from sklearn.datasets import load_iris

def datasets_demo():
#sklearn数据集的使用
	#获取数据集
    iris = load_iris()
    print("鸢尾花数据集：\n",iris)
    print("查看数据集描述：\n",iris["DESCR"])
    print("查看特征值的名字：\n",iris.feature_names)
    print("查看特征值：\n",iris.data,iris.data.shape)
    print("查看目标值：\n",iris.target)
    print("查看目标值的名字：\n",iris.target_names)
    print("鸢尾花的描述：\n",iris.DESCR)
    return None

if __name__ == "__main__":
    datasets_demo()

数据集的划分

训练数据：用于训练、构建模型

测试数据：在模型检验时使用，用于评估模型是否有效

训练与测试 比例是 73 / 82

数据集划分api

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	x_test	y_train	y_test

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
def datasets_demo():
	#获取数据集
    iris = load_iris()

    # 数据集的划分      
    x_train,x_test,y_train,y_test = 		  train_test_split(iris.data,iris.target,test_size=0.2,random_state=22,shuffle=False)
    print("训练集的特征值：\n",x_train,x_train.shape)             #测试数据占比0.2，训练数据则占比0.8
    return None                     #random_state 代表随机种子编号  , shuffle代表 是否放回抽样          		   

if __name__ == "__main__":
    datasets_demo()