首页 > > 网络编程 > 其它 >

sklearn datasets模块学习

2018-06-18 02:35:11来源：未知 阅读 ()

新老客户大回馈,云服务器低至5折

sklearn.datasets模块主要提供了一些导入、在线下载及本地生成数据集的方法，可以通过dir或help命令查看，我们会发现主要有三种形式：load_<dataset_name>、fetch_<dataset_name>及make_<dataset_name>的方法

① datasets.load_<dataset_name>：sklearn包自带的小数据集

 

[python] 
 
  1. In [2]: datasets.load_*?  
  2. datasets.load_boston#波士顿房价数据集  
  3. datasets.load_breast_cancer#乳腺癌数据集  
  4. datasets.load_diabetes#糖尿病数据集  
  5. datasets.load_digits#手写体数字数据集  
  6. datasets.load_files  
  7. datasets.load_iris#鸢尾花数据集  
  8. datasets.load_lfw_pairs  
  9. datasets.load_lfw_people  
  10. datasets.load_linnerud#体能训练数据集  
  11. datasets.load_mlcomp  
  12. datasets.load_sample_image  
  13. datasets.load_sample_images  
  14. datasets.load_svmlight_file  
  15. datasets.load_svmlight_files  

 

数据集文件在sklearn安装目录下datasets\data文件下

②datasets.fetch_<dataset_name>：比较大的数据集，主要用于测试解决实际问题，支持在线下载

 

[python] 
 
  1. In [3]: datasets.fetch_*?  
  2. datasets.fetch_20newsgroups  
  3. datasets.fetch_20newsgroups_vectorized  
  4. datasets.fetch_california_housing  
  5. datasets.fetch_covtype  
  6. datasets.fetch_kddcup99  
  7. datasets.fetch_lfw_pairs  
  8. datasets.fetch_lfw_people  
  9. datasets.fetch_mldata  
  10. datasets.fetch_olivetti_faces  
  11. datasets.fetch_rcv1  
  12. datasets.fetch_species_distributions  

 

下载下来的数据，默认保存在~/scikit_learn_data文件夹下，可以通过设置环境变量SCIKIT_LEARN_DATA修改路径，datasets.get_data_home()获取下载路径

 

[python] 
 
  1. In [5]: datasets.get_data_home()  
  2. Out[5]: 'G:\\datasets'  

 

③datasets.make_*?：构造数据集

 

[python] 
 
  1. In [4]: datasets.make_*?  
  2. datasets.make_biclusters  
  3. datasets.make_blobs  
  4. datasets.make_checkerboard  
  5. datasets.make_circles  
  6. datasets.make_classification  
  7. datasets.make_friedman1  
  8. datasets.make_friedman2  
  9. datasets.make_friedman3  
  10. datasets.make_gaussian_quantiles  
  11. datasets.make_hastie_10_2  
  12. datasets.make_low_rank_matrix  
  13. datasets.make_moons  
  14. datasets.make_multilabel_classification  
  15. datasets.make_regression  
  16. datasets.make_s_curve  
  17. datasets.make_sparse_coded_signal  
  18. datasets.make_sparse_spd_matrix  
  19. datasets.make_sparse_uncorrelated  
  20. datasets.make_spd_matrix  
  21. datasets.make_swiss_roll  

下面以make_regression()函数为例，首先看看函数语法：

 

make_regression(n_samples=100, n_features=100, n_informative=10, n_targets=1, bias=0.0, effective_rank=None, tail_strength=0.5, noise=0.0, shuffle=True, coef=False, random_state=None)

参数说明：

n_samples：样本数

n_features：特征数(自变量个数)

n_informative：相关特征(相关自变量个数)即参与了建模型的特征数

n_targets：因变量个数

bias：偏差(截距)

coef：是否输出coef标识

 

[python] 
 
  1. In [7]: data = datasets.make_regression(5,3,2,2,1.0,coef=True)  
  2.    ...: data  
  3.    ...:  
  4. Out[7]:  
  5. (array([[-0.64470031,  2.24028402, -2.26147027],  
  6.         [-0.09554589,  1.4653344 , -0.8882202 ],  
  7.         [-1.36214673,  0.08935031,  0.66733545],  
  8.         [-1.30553824,  1.62553382,  0.65693763],  
  9.         [-0.81528358,  0.81659886,  1.32412053]]),  
  10.  array([[ 177.32114822,  -42.34640341],  
  11.         [ 127.51997766,   -1.98105497],  
  12.         [ -37.82547178, -104.69214796],  
  13.         [ 100.19123506,  -95.62163254],  
  14.         [  45.35860387,  -59.94143654]]),  
  15.  array([[ 34.3135368 ,  77.79161196],  
  16.         [ 88.57943632,   3.03795085],  
  17.         [  0.        ,   0.        ]]))  

上述输出结果：元组中的三个数组分别对应输入数据X，输出数据y，coef对应数组

 

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有

上一篇：写给小白的Python之013：文件操作

下一篇：Python 正则介绍

相关文章

IDC资讯： 主机资讯 注册资讯 托管资讯 vps资讯 网站建设

网站运营： 建站经验 策划盈利 搜索优化 网站推广 免费资源

网站联盟： 联盟新闻 联盟介绍 联盟点评 网赚技巧

行业资讯： 搜索引擎 网络游戏 电子商务 广告传媒

网络编程： Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它

服务器技术： Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护

软件技巧： 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷

网页制作： FrontPages Dreamweaver Javascript css photoshop fireworks Flash

程序设计： Java技术 C/C++ VB delphi

网络知识： 网络协议 网络安全 网络管理 组网方案 Cisco技术

操作系统： Win2000 WinXP Win2003 Mac OS Linux FreeBSD

热门词条
最新资讯
热门关注
热门标签