機器學習資料

自帶的小的資料集為：sklearn.datasets.load_

怎麼用：

資料集的資訊關鍵字：

資料介紹：

第一步：

匯入資料

from sklearn.datasets import load_iris
iris = load_iris()
第二步：
定義x和y
x, y = iris.data, iris.target
此外，可以看下資料的維度：
x.shape,y.shape輸出為：
((150, 4), (150,))
檢視特徵名：
iris.feature_names輸出為：
['sepal length (cm)',
'sepal width (cm)',
'petal length (cm)',
'petal width (cm)']
檢視標籤名：
iris.target_names

輸出為：

array(['setosa', 'versicolor', 'virginica'], dtype='劃分訓練集和測試集:
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

這樣就把訓練集和測試集按照3比1劃分了，接下來就可以用機器學習演算法進行訓練和測試了。

小技巧：將資料轉換為dataframe格式（兩種方法都可以）：

import pandas as pd
df_x = pd.dataframe(iris.data, columns=iris.feature_names)
#這個是x
df_y = pd.dataframe(iris.target, columns=["target"])
#這個是y
df=pd.concat([df_x,df2],axis=1)#橫向合併
df.head()

或者：

import numpy as np
import pandas as pd
col_names = iris['feature_names'] + ['target']
df = pd.dataframe(data= np.c_[iris['data'], iris['target']], columns=col_names)
df.head()

輸出結果一致：

用於文字分類、文字挖據和資訊檢索研究的國際標準資料集之一。資料集收集了大約20,000左右的新聞組文件，均勻分為20個不同主題的新聞組集合。返回乙個可以被文字特徵提取器

這是上面這個文字資料的向量化後的資料，返回乙個已提取特徵的文字序列，即不需要使用特徵提取器

加利福尼亞的房價資料，總計20640個樣本，每個樣本8個屬性表示，以及房價作為target，所有屬性值均為number，詳情可呼叫fetch_california_housing()['descr']了解每個屬性的具體含義；

森林植被型別，總計581012個樣本，每個樣本由54個維度表示（12個屬性，其中2個分別是onehot4維和onehot40維），以及target表示植被型別1-7，所有屬性值均為number，詳情可呼叫fetch_covtype()['descr']了解每個屬性的具體含義

kdd競賽在2023年舉行時採用的資料集，kdd99資料集仍然是網路入侵檢測領域的事實benckmark，為基於計算智慧型的網路入侵檢測研究奠定基礎，包含41項特徵

打好標籤的人臉資料集

從 olivetti 臉部資料集

路透社新聞語聊資料集

物種分布資料集

from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split
#對資料訓練集和測試件進行劃分
x_train, x_test, y_train, y_test = train_test_split(
news.data, news.target, test_size=0.25, random_state=33)

三、生成資料集可以用來分類任務，可以用來回歸任務，可以用來聚類任務，用於流形學習的，用於因子分解任務的，用於分類任務和聚類任務的：這些函式產生樣本特徵向量矩陣以及對應的類別標籤集合

舉例：

四、其它資料集

kaggle：

天池：

搜狗實驗室：

dc競賽：

df競賽：

總結

本文為機器學習初學者提供了使用scikit-learn內建資料的方法，用兩行**就可以使用這些資料，可以進行大部分的機器學習實驗了。

參考

機器學習資料

機器學習資料

機器學習資料

機器學習資料

相關推薦