13_数据的划分和介绍之sklearn数据集
Posted cwj2019
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了13_数据的划分和介绍之sklearn数据集相关的知识，希望对你有一定的参考价值。
1.
案例1：鸢尾花(分类数据集，数据离散）
# 鸢尾花 from sklearn.datasets import load_iris li = load_iris() # 获取特征值 print(li.data) # 获取目标值 print(li.target) # 获取描述 print(li.DESCR)
获取描述信息：鸢尾花的属性，类别（属于那种鸢尾花）
鸢尾花的训练值和测试集
# 鸢尾花
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
li = load_iris()
# # 获取特征值
# print(li.data)
# # 获取目标值
# print(li.target)
# # 获取描述
# print(li.DESCR)
# # 数据集进行分割
# 注意返回值,训练集train x_train,y_train 测试集 test x_test,y_test
x_train , x_test, y_train , y_test = train_test_split(li.data,li.target,test_size=0.25)
print("训练集的特征值和目标值",x_train,y_train)
print("测试集的特征值和目标值",y_test,y_test)
案例2：新闻组类别（分类数据集，数据离散）
from sklearn.datasets import fetch_20newsgroups news = fetch_20newsgroups(subset=‘all‘) print(news.data) print(news.target)
注：fetch_20newsgroups，会从网上下载大约14MB的数据集
案例3：波士顿房价(回归数据集，数据连续）
from sklearn.datasets import load_boston
lb = load_boston()
print("获取特征值")
print(lb.data)
print("获取目标值")
print(lb.target)
print("获取描述信息")
print(lb.DESCR)
以上是关于13_数据的划分和介绍之sklearn数据集的主要内容，如果未能解决你的问题，请参考以下文章