sklearn的快速使用之一（数据集探索）

最新推荐文章于 2025-07-13 19:24:50 发布

MLANDAI

最新推荐文章于 2025-07-13 19:24:50 发布

阅读量603

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习-sklearn

本文链接：https://blog.youkuaiyun.com/tbb_1984/article/details/84107373

本文介绍了如何使用Python的sklearn库进行数据集的快速探索，包括数据加载、预处理和基本统计分析，帮助理解数据特征和分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn import datasets
from sklearn.decomposition import PCA

# 加载数据集
iris = datasets.load_iris()
#获取前两个数据特征集
X = iris.data[:, :2]
#目标集 
y = iris.target

x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5

plt.figure(2, figsize=(8, 6))
plt.clf()

# 绘制训练数据集