sklean中自带的数据集

2024-04-15 13:42:57

转载于: 知乎

1. 调用方式

例如:


from sklearn import datasetsboston = datasets.load_boston()  # 导入波士顿房价数据boston

dataname.data

dataname.target

dataname.feature_names

2. Toy Datasets

2.1. 波士顿房价-回归


from sklearn import datasetsboston = datasets.load_boston()  # 导入波士顿房价数据boston

2.2. 鸢尾花-分类


from sklearn import datasetsiris = datasets.load_iris()iris

2.3. 糖尿病-回归

from sklearn import datasets  # 导入库diabetes = datasets.load_diabetes()  # 导入糖尿病数据

2.4. 手写数字-多分类

共有1797个样本，每个样本有64的元素，对应到一个8x8像素点组成的矩阵，每一个值是其灰度值， target值是0-9，适用于分类任务。

from sklearn import datasets  # 导入库digits = datasets.load_digits()  # 导入手写数字数据

2.5. 体能训练-回归

兰纳胡德提供的体能训练数据，data和target都是20x3，data的特征包括Chins, Situps and Jumps.(引体向上仰卧起坐跳跃)，target的三维分别是Weight, Waist and Pulse.(体重腰围脉搏)，适用于回归问题，用的少。

2.6. 红酒

共178个样本，代表了红酒的三个档次（分别有59，71，48个样本），以及与之对应的13维的属性数据，适用于分类任务。


from sklearn import datasets  # 导入库wine = datasets.load_wine()  # 导入红酒数据

2.7. 威斯康辛州乳腺癌

包含了威斯康辛州记录的569个病人的乳腺癌恶性/良性（1/0）类别型数据，以及与之对应的30个维度的生理指标数据，适用于二分类问题。


from sklearn import datasets  # 导入库cancer = datasets.load_breast_cancer()  # 导入乳腺癌数据

3. True Datasets

3.1. 生成簇,用于聚类


from sklearn import datasetscenters = [[2,2],[8,2],[2,8],[8,8]]
x, y = datasets.make_blobs(n_samples=1000, n_features=2, centers=4,cluster_std=1)

其中的参数:

n_samples:样本数
n_features:特征数（维度）
centers:中心数，也可以是中心的坐标
cluster_std:簇的方差

利用下面的代码看一下生成的结果:


import seaborn as sns
import pandas as pd data = []
for x,y in zip(x,y):data.append((x[0],x[1],y))
data = pd.DataFrame(data,columns=['x1','x2','y'])sns.scatterplot(x=data['x1'],y=data['x2'],hue=data['y'])

结果如下:

3.2. 生成同心圆

x, y = datasets.make_circles(n_samples=5000, noise=0.04, factor=0.7)

其中的参数

noise:噪声
factor:内圆与外圆的距离为1的时候最小

再查看结果:

3.3. 生成月牙


x, y = datasets.make_moons(n_samples=3000, noise=0.05)

3.4. 分类


x, y =datasets.make_classification(n_classes=4, n_samples=1000, n_features=2, n_informative=2 , n_redundant=0, n_clusters_per_class=1,n_repeated=0, random_state=22)

其中的参数:

n_classes:类的数目
n_informative:有效的特征数
n_redundant:冗余特征数有效特征数的线性组合
n_repeated:有效特征数和冗余特征数的有效组合
n_informative + n_redundant + n_repeated < = n_features
n_clusters_per_class:每一类的簇数
n_classes * n_clusters_per_class <= 2**n_informative

查看结果

4. 样例图片

scikit 在通过图片的作者共同授权下嵌入了几个样本 JPEG 图片。这些图像为了方便用户对 test algorithms （测试算法）和 pipeline on 2D data （二维数据管道）进行测试，用datasets.load_sample_image()加载。


from sklearn import datasets
import matplotlib.pyplot as pltimg = datasets.load_sample_image('flower.jpg')
print(img.shape)  # (427, 640, 3)
print(img.dtype)  # uint8
plt.imshow(img)
plt.show()

sklean中自带的数据集相关推荐

如何使用pyecharts中自带的数据集？
如何使用 pyecharts 中自带的数据集? 我们在学习pyehcarts绘图的过程中,需要一些练习的数据. pyecharts为我们提供了这样的数据集 – Faker,存储于 faker.py 文 ...
R语言中自带的一些数据集
在用R语言做数据分析的时候,我们经常需要一些数据做实验,尤其当学会一个新的方法或者算法的时候,就想赶快编程实现一下.那么,问题来了,用什么数据好呢,什么样的数据适合做这种实验呢? 好在R语言提供了很多 ...
python训练数据集_Python——sklearn提供的自带的数据集
sklearn提供的自带的数据集 sklearn 的数据集有好多个种自带的小数据集(packaged dataset):sklearn.datasets.load_ 可在线下载的数据集(Downlo ...
python的自带数据集_机器学习基础 / 加载scikit-learn自带的数据集 - 汇智网
加载Scikit-learn自带的数据集 scikit-learn自带少量数据集,比如说用于分类分析的鸢尾花数据集和数码数据集.用于回归分析的波士顿房价数据集. 数据集是一个字典类对象,它包括数据以及 ...
python的自带数据集_Python——sklearn提供的自带的数据集
sklearn提供的自带的数据集 sklearn 的数据集有好多个种自带的小数据集(packaged dataset):sklearn.datasets.load_ 可在线下载的数据集(Downlo ...
python的自带数据集_sklearn提供的自带的数据集
sklearn 的数据集有好多个种自带的小数据集(packaged dataset):sklearn.datasets.load_ 可在线下载的数据集(Downloaded Dataset):skl ...
PyTorch中的MIT ADE20K数据集的语义分割
PyTorch中的MIT ADE20K数据集的语义分割代码地址:https://github.com/CSAILVision/semantic-segmentation-pytorch Semant ...
记得ajax中要带上AntiForgeryToken防止CSRF攻击
经常看到在项目中ajax post数据到服务器不加防伪标记,造成CSRF攻击在Asp.net Mvc里加入防伪标记很简单在表单中加入Html.AntiForgeryToken()即可. Html.A ...
WPF中制作带中国农历的万年历
WPF中制作带中国农历的万年历原文:WPF中制作带中国农历的万年历本例应用.net 2.0中的ChineseLunisolarCalendar类,制作出带中国农历的万年历. 先看看效果图片(已缩 ...

最新文章

热门文章