1 数据集
- 知道数据集的分为训练集和测试集
- 会使用sklearn的数据集
1.1 可用数据集
Kaggle网址:https://www.kaggle.com/datasets
UCI数据集网址: http://archive.ics.uci.edu/ml/
scikit-learn网址:https://scikit-learn.org.cn/
1.1.1 Scikit-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
1.1.2 安装
pip3 install Scikit-learn==0.19.1
这里可能初次安装会很慢,建议换镜像下面有
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Numpy, Scipy等库
1.1.3 Scikit-learn包含的内容
- 分类、聚类、回归
- 特征工程
- 模型选择、调优
1.2 sklearn数据集
1.2.1 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_home=None)
- 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/
1.2.2 sklearn小数据集
- sklearn.datasets.load_iris()
加载并返回鸢尾花数据集
- sklearn.datasets.load_boston()
加载并返回波士顿房价数据集
实例
# coding:utf-8 from sklearn.datasets import load_iris, fetch_20newsgroups # 1.数据集获取 # 1.1 小数据集获取 iris = load_iris() print(iris)
1.2.3 sklearn大数据集
sklearn.datasets.fetch_20newsgroups(data_home=None,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”
实例
# coding:utf-8 from sklearn.datasets import load_iris, fetch_20newsgroups # 1.2 大数据集获取 # news = fetch_20newsgroups() # print(news)