python机器学习包sklearn自带和生成数据集_sklearn本地生成dataset

sklearn是基于python语言的机器学习工具包，是目前做机器学习项目当之无愧的第一工具。 sklearn自带了大量的数据集，可供我们练习各种机器学习算法。

• sklearn.datasets

1. 获取小数据集(本地加载)：datasets.load_xxx( )
2. 获取大数据集(在线下载)：datasets.fetch_xxx( )
3. 本地生成数据集(本地构造)：datasets.make_xxx( )

from sklearn import datasets
import matplotlib.pyplot as plt
 
# 查询模块
dir(datasets)
help(datasets)
 
# 1.载入内置数据集
test_data = datasets.load_iris()  # 载入数据
# test_data = datasets.load_boston()
# test_data = datasets.load_digits()
print(type(test_data))   # 查看数据类型 <class 'sklearn.utils.Bunch'>
features = test_data.data  # <class 'numpy.ndarray'>
target = test_data.target  # <class 'numpy.ndarray'>
print(features.shape, target.shape)
 
print(test_data.feature_names)  # 特征名称
print(test_data.target_names)   # 预测结果名
 
# 2.载入单一图像数据,只有这两个示例图片
img = datasets.load_sample_image('flower.jpg')
img = datasets.load_sample_image('china.jpg')
print(img.shape)
plt.imshow(img)
plt.show()
 
# 3. 生成数据集
data, target = datasets.make_blobs(n_samples=1000, n_features=2,
                                       centers=4, cluster_std=1)
data, target = datasets.make_classification(n_classes=4, n_samples=1000,
                                                n_features=2, n_informative=2,
                                                n_redundant=0, n_clusters_per_class=1)
 
print(data)
print(data.shape)
print(target)
plt.scatter(data[:, 0], data[:, 1], c=target)
plt.show()
 
x, y = datasets.make_regression(n_samples=100, n_features=10, n_targets=1,
                                noise=1.5, random_state=1)
print(x.shape, y.shape)
print(x)
print(y)
plt.scatter(x[:, 1], y)
plt.show()