1.scikit-lenrn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/(要下载到哪里)

2.sklearn小数据集

sklearn.datasets.load)iris()和sklearn.datasets.load_boston()

3.sklearn大数据集

sklearn.datasets.fetch_20newsgroups(data_home=None,subser='train')这个是主要训练集，test是测试集，或者all都要

4.数据集返回值

datasets.base.Bunch（继承自字典）
dict["key"] = values
bunch.key = values

from sklearn.datasets import load_iris


def datasets_demo():
    """
    sklearn数据集的使用
    :return:
    """
    # 获取数据集
    iris = load_iris()
    print("鸢尾花数据集：\n", iris)
    print("查看数据集的描述：\n", iris["DESCR"])
    print("查看特特征值的名字:\n", iris.feature_names)
    print("查看特征值:\n",iris.data, iris.data.shape)
    return


if __name__ == "__main__":
    # 代码1：sklearn()数据集的使用
    datasets_demo()

5.数据集的划分

拿到的数据使其一部分训练，一部分测试

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
测试集 20%~30%
sklearn.model_selection.train_test_split(arrays, *options)
训练集特征值，测试集特征值，训练集目标值，测试集目标值
x_train, x_test, y_train, y_test

其中.shape是统计数量的，比如这个

一共有120行，每行有四个

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

def datasets_demo():
    """
    sklearn数据集的使用
    :return:
    """
    # 获取数据集
    iris = load_iris()
    print("鸢尾花数据集：\n", iris)
    print("查看数据集的描述：\n", iris["DESCR"])
    print("查看特特征值的名字:\n", iris.feature_names)
    print("查看特征值:\n",iris.data, iris.data.shape)
    # 数据集的划分
    x_train, x_test, y_train, y_test=train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
    print("训练集的特征值:\n", x_train, x_train.shape)
    return


if __name__ == "__main__":
    # 代码1：sklearn()数据集的使用
    datasets_demo()