sklearn--自带数据集(1)

语法:
from sklearn.datasets import XXXX
今天主要学习的是小数据及 和 需要下载的数据集

一、自带的小数据集(packageddataset):sklearn.datasets.load_

  1.    鸢尾花数据集:load_iris():用于分类任务的数据集
    
  2.    手写数字数据集:load_digits():用于分类任务或者降维任务的数据集
    
  3.    乳腺癌数据集load-barest-cancer():简单经典的用于二分类任务的数据集
    
  4.    糖尿病数据集:load-diabetes():经典的用于回归认为的数据集,值得注意的是,这10个特征中的每个特征都已经被处理成0均值,方差归一化的特征值。
    
  5.    波士顿房价数据集:load-boston():经典的用于回归任务的数据集
    
  6.    体能训练数据集:load-linnerud():经典的用于多变量回归任务的数据集。
    

二、可在线下载的数据集:sklearn.datasets.fetch_,一般规模较大(DownloadedDataset)。

fetch_olivetti_faces(data_home=None, shuffle=False, random_state=0,download_if_missing=True):Olivetti 脸部图片数据集。

一般会把data_home自己设置

sklearn提供了多种自带数据集供用户使用。这些数据集可以分为三种类型:自带的小数据集、可在线下载的数据集和计算机生成的数据集自带的小数据集可以通过sklearn.datasets.load_函数加载。可在线下载的数据集可以通过sklearn.datasets.fetch_函数获取,其中包括从data.org在线下载的数据集。最后,sklearn还提供了加载libsvm格式的数据集的函数sklearn.datasets.load_svmlight_file。如果你希望使用从data.org在线下载的数据集,可以使用sklearn.datasets.fetch_mldata函数。总而言之,sklearn提供了丰富的自带数据集供用户使用,可以根据自己的需求选择合适的数据集进行分析和建模。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [[554]sklearn提供的自带数据集(make_blobs)](https://blog.youkuaiyun.com/xc_zhou/article/details/88316326)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [python sklearn下载-Python的Sklearn库中的数据集](https://blog.youkuaiyun.com/weixin_39622905/article/details/109618742)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值