本文介绍了在机器学习中如何使用sklearn库进行数据划分，包括train_test_split API的运用，以及sklearn.datasets加载和获取数据的方法。内容涵盖训练数据与测试数据的比例，小规模数据集如iris的加载，大规模数据集的网络下载方式，以及数据格式的说明。此外，还讨论了转换器的fit、transform和fit_transform的区别。
机器学习一般的数据会划分为两个部分：
训练数据：用于训练，构建模型（75%）
测试数据：在模型检查时使用，用于评估模型是否有效（25%）
数据划分API: sklearn.model_selection.train_test_split（）返回数据的类型的顺序（训练数据特征，测试数据特征，训练数据目标值，测试数据的目标值），这个顺序必须一致，不能改变。
获取数据API:
sklearn.datasets 加载获取流行数据集
datasets.load_*() 获取小规模数据集，数据包含在datasets里【xp: sklearn.datasets.load_iris() 返回尾花数据集
datasets.fetch_*(data_home=None) 获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home,表示数据集下在的目录，默认是~/scikit_learn_data/
返回的数据的格式
最低0.47元/天 解锁文章
扫一扫
805
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
