scikit-learn机器学习笔记——sklearn数据集,数据集划分,估计器
sklearn数据集
scikit-learn数据集API介绍
获取数据集返回的类型
- 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
- target_names:标签名,回归数据集没有
sklearn分类数据集
sklearn.datasets.load_iris()
加载并返回鸢尾花数据集
sklearn.datasets.load_digits()
加载并返回数字数据集
用于分类的大数据集
• sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘all’)
• 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”
• datasets.clear_data_home(data_home=None)
• 清除目录下的数据
sklearn回归数据集
sklearn.datasets.load_boston()
加载并返回波士顿房价数据集
sklearn.datasets.load_diabetes()
加载和返回糖尿病数据集
数据集划分
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。
sklearn数据集划分API
sklearn.model_selection.train_test_split(*arrays, **options)
• x 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,训练标签,测试标签 (默认随机取)
sklearn机器学习算法的实现-估计器
在sklearn中,估计器(estimator)是一个重要的角色,分类器和回归器都属于estimator,是一类实现了算法的API。
1、用于分类的估计器:
• sklearn.neighbors
k-近邻算法
• sklearn.naive_bayes
贝叶斯
• sklearn.linear_model.LogisticRegression
逻辑回归
2、用于回归的估计器:
• sklearn.linear_model.LinearRegression
线性回归
• sklearn.linear_model.Ridge
岭回归
估计器的工作流程