神兵网站建设,佛山网站建设费用,校园推广是什么工作,已备案网站数量1可用数据集
公司内部 eg:百度 数据接口 花钱 数据集 学习阶段可用的数据集#xff1a;
sklearn:数据量小#xff0c;方便学习kaggle#xff1a;80万科学数据#xff0c;真实数据#xff0c;数据量大UCI#xff1a;收录了360个数据集#xff0c;覆盖科学、生活、经济等…1可用数据集
公司内部 eg:百度 数据接口 花钱 数据集 学习阶段可用的数据集
sklearn:数据量小方便学习kaggle80万科学数据真实数据数据量大UCI收录了360个数据集覆盖科学、生活、经济等领域数据量几十万
Kaggle网址http://www.kaggle.com/datasets UCI网址http://archive.ics.uci.edu/ml/ scikit-learn网址http://scikit-learn.org/stable/datasets/index.html
2scikit-learn工具介绍 Python语言的机器学习工具Scikit-learn包括许多知名的机器学习算法的实现Scikit-learn文档完善容易上手丰富的API目前稳定版本0.19.1
2.1安装
pip3 install Scikit-learn0.19.1安装好之后可以通过以下命令查看是否安装成功
import sklearn注安装scikit-learn需要NumpyScipy等库 2.2sklearn数据集
scikit-learn数据集API介绍
sklearn.datasets 加载获取流行数据集datasets.load_*() - 获取小规模数据集数据包含在datasets里datasets.fetch_*(data_homeNone) - 获取大规模数据集需要从网络上下载函数的第一个参数是data_home表示数据集下载的目录,默认是~/scikit_learn_data/
sklearn小数据集
sklearn.datasets.load_iris() -加载并返回鸢尾花数据集
名称数量类别3特征4样本数量150每个类别数量50
sklearn.datasets.load_boston() -加载并返回波士顿房价数据集
名称数量目标类别5-50特征13样本数量506
sklearn大数据集
sklearn.datasets.fetch_20newsgroups(data_homeNone,subset‘train’) subset: train’或者’test’all’可选选择要加载的数据集。训练集的“训练”测试集的“测试”两者的“全部”
sklearn数据集的使用
以鸢尾花数据集为例 sklearn数据集返回值介绍load和fetch返回的数据类型datasets.base.Bunch(字典格式) data:特征数据数组是[n_samples * n_features]的二维numpy.ndarray数组target:标签数组是n_samples的一维numpy.ndarray数组DESCR:数据描述feature_names:特征名,新闻数据手写数字、回归数据集没有otarget_names:标签名
from sklearn.datasets import load_iris
#获取鸢尾花数据集
iris load_iris()
print(鸢尾花数据集的返回值:\n, iris)
#返回值是一个继承自字典的Bench
print(鸢尾花的特征值:\n, iris [data])
print(鸢尾花的目标值:\n,iris.target)
print(鸢尾花特征的名字:\n, iris.feature_names)
print(鸢尾花目标值的名字: \niris.target_names)
print(鸢尾花的描述:\in, iris.DESCR)2.3数据集的划分
机器学习一般的数据集会划分为两个部分
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
划分比例 训练集:70% 80% 75% 测试集:30% 20% 30%
数据集划分api
sklearn.model_selection.train_test_split(arrays, options) ×数据集的特征值y数据集的标签值test_size测试集的大小一般为float random_state 随机数种子不同的种子会造成不同的随机采样结果。相同的种子采样结果相同。return 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
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split#数据集划分
x_trainx_testy_trainy_test train_test_split(iris.datairis.targettest_size0.2random_state22)
print(训练集的特征值:\n, x_train,x_train.shape)
