数据集的使用

本是古典何须时尚 2022-03-24 15:10 271阅读 0赞

1.学习阶段可以用的数据集：  
    1）sklearn  
    2）kaggle  
    3）UCI  
2 sklearn数据集  
    sklearn.datasets  
        load\_\*  获取小规模数据集  
        fetch\_\* 获取大规模数据集  
        2 sklearn小数据集  
            sklearn.datasets.load\_iris()  
        3 sklearn大数据集  
            sklearn.datasets.fetch\_20newsgroups(data\_home=None,subset=‘train’)  
        4 数据集的返回值  
            datasets.base.Bunch（继承自字典）  
                dict\["key"\] = values  
                bunch.key = values  
3 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  
        测试集 20%~30%  
        sklearn.model\_selection.train\_test\_split(arrays, \*options)  
        返回值的顺序为：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

# #

## 代码： ##

from sklearn.datasets import load_iris
    from sklearn.model_selection import train_test_split
    
    def datasets_demo():
        """
        sklearn数据集使用
        :return:
        """
        # 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)
    
        # 数据集划分
        # 返回值的顺序为 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 = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
        print("训练集的特征值：\n", x_train, x_train.shape)
    
        return None
    
    if __name__ == "__main__":
        datasets_demo()