sklearn知识点汇总

Posted 2020-10-19 dianesohungry

（为了节约空间，打印结果常用“...”表示省略)

加载数据集

1. 加载sklearn自带的数据集

scikit-learn有一些自带的标准数据集，例如用于分类的经典数据集iris和digits以及用于回归的boston house prices数据集。
这些自带的数据集一种是类似字典的对象，它保存所有的数据（通常情况下，特征向量存储在.data成员中，在监督学习中，标签存储在.target成员中）和关于数据的元数据（如.target_names成员用来存储各个标签值对应的含义标签名称）。每个数据集中包含的成员不一定是一样的，既然数据集是一种类似字典的对象，那么，我们就可以通过“数据集名.keys()”来查看该数据集中，究竟有哪些成员，从而对数据集有个整体的把握。

from sklearn import datasets
iris = datasets.load_iris()
print iris

{‘target_names‘: array([‘setosa‘, ‘versicolor‘, ‘virginica‘], 
      dtype=‘|S10‘), ‘data‘: array([[ 5.1,  3.5,  1.4,  0.2],
       [ 4.9,  3. ,  1.4,  0.2],
       [ 4.7,  3.2,  1.3,  0.2],
       ...
       [ 6.2,  3.4,  5.4,  2.3],
       [ 5.9,  3. ,  5.1,  1.8]]), ‘target‘: array([0, 0, 0, 0, ···2, 2, 2]), ...}

2. 访问自带数据集成员

载入数据集后，可以通过“数据集名.成员名”的方式访问成员。

访问特征集

print iris.data

[[ 5.1  3.5  1.4  0.2]
 [ 4.9  3.   1.4  0.2]
 [ 4.7  3.2  1.3  0.2]
 ...
 [ 6.2  3.4  5.4  2.3]
 [ 5.9  3.   5.1  1.8]]

访问标签集

print iris.target

[0 0 ... 0 0 0 1 1 ... 1 1 2 2 ... 2 2]

3. 加载数据非二维数组的数据集demo

# _*_ coding:utf-8_*_
from sklearn import datasets
digits = datasets.load_digits()
print digits.keys()
print ‘------‘
# 第0个样本image为
print digits.images[0]
print ‘------‘
print digits.data[0]

[‘images‘, ‘data‘, ‘target_names‘, ‘DESCR‘, ‘target‘]
------
[[  0.   0.   5.  13.   9.   1.   0.   0.]
 [  0.   0.  13.  15.  10.  15.   5.   0.]
 [  0.   3.  15.   2.   0.  11.   8.   0.]
 [  0.   4.  12.   0.   0.   8.   8.   0.]
 [  0.   5.   8.   0.   0.   9.   8.   0.]
 [  0.   4.  11.   0.   1.  12.   7.   0.]
 [  0.   2.  14.   5.  10.  12.   0.   0.]
 [  0.   0.   6.  13.  10.   0.   0.   0.]]
------
[  0.   0.   5.  13.   9.   1.   0.   0.   0.   0.  13.  15.  10.  15.   5.
   0.   0.   3.  15.   2.   0.  11.   8.   0.   0.   4.  12.   0.   0.   8.
   8.   0.   0.   5.   8.   0.   0.   9.   8.   0.   0.   4.  11.   0.   1.
  12.   7.   0.   0.   2.  14.   5.  10.  12.   0.   0.   0.   0.   6.  13.
  10.   0.   0.   0.]

可以看到.images和.data的区别：.data将.images中的元素由二维数组转为一维向量。