机器学习01_数据集

数据集

1. sklearn
2. kaggle
3. uci

Scikit-learn

包含

1. 分类
2. 回归
3. 聚类
4. 降维
5. 模型选择
6. 特征功能

sklearn数据集

sklearn.dataets

​ load_*获取小数据集

​ fetch_*获取大数据集

1. sklearn小数据集
   • sklearn.datasets.load_iris()获取鸢尾花数据集
2. sklearn大数据集
   • 
3. 数据集返回值

def demo():
    iris = load_iris()#获取数据集
    print("鸢尾花数据集：\n",iris)
    print("查看数据集描述：\n",iris["DESCR"])#通过字典键值查看
    print("查看特征值：\n",iris.data,"\n",iris.data.shape)#通过函数值调用
    return None

拿到的数据不能全部用来训练模型,如果全部训练就没有办法评估

数据集划分

训练数据：用于训练，构建模型

测试数据：在模型校验时使用，用于评估模型是否有效

测试集：20%~30%

#训练集划分
    # train_test_split函数调用必须要有4个接收值，两个数据集的特征值标签值test_size数据的划分量，random_state随机种子值
    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,"\n一共有：\n",x_train.shape)#输出划分后的数据集和统计一共有多少数据

x_train：数据集

x_test：测试集

y_train：数据目标值

y_test：测试目标值