[scikit-learn] 第一章 初识scikit-learn及内置数据集介绍

菜鸡镇贴！！！

scikit-learn 简要介绍

​ Scikit learn是一个开源的机器学习库，支持有监督和无监督的学习。它还提供了用于模型拟合、数据预处理、模型选择、模型评估和许多其他实用程序的各种工具。

scikit-learn 安装

​ 本文仅提供Linux下的安装指南 其他平台可参照官网指南安装

​ Operating System ：Linux

​ Packager : conda

​ 使用Anaconda或miniconda安装程序或miniorge安装程序安装conda（其中任何安装程序都不需要管理员权限）。
然后运行：

conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env
1
2

scikit-learn 数据集介绍

​ scikit-learn内置了一些标准数据集，例如用于分类的鸢尾花和数字数据集以及用于回归的糖尿病数据集。该软件包还提供了一些助手，用于获取机器学习社区常用的较大数据集，以对来自“真实世界”的数据进行算法基准测试。此外它还具有一些人工数据生成器。

​ 简而言之 scikit-learn提供了三种数据集供你来学习机器学习：测试数据集、真实数据集和数据集生成器。

​ 数据集如下：

数据集API介绍

General dataset API. 根据所需的数据集类型，有三种主要类型的数据集接口可用于获取数据集。

**The dataset loaders. **它们可用于加载小型标准数据集，如Toy数据集部分所述。

**The dataset fetchers. **它们可用于下载和加载更大的数据集，如真实世界数据集部分所述。

Loaders

datasets.clear_data_home([data_home])		删除数据主缓存的所有内容。

datasets.dump_svmlight_file(X, y, f, *[, ...])		以svmlight/libsvm文件格式转储数据集。

datasets.fetch_20newsgroups(*[, data_home, ...])		从20个新闻组数据集中加载文件名和数据（分类）。

datasets.fetch_20newsgroups_vectorized(*[, ...])		加载并向量化20个新闻组数据集（分类）。

datasets.fetch_california_housing(*[, ...])			加载加州住房数据集（回归）。

datasets.fetch_covtype(*[, data_home, ...])			加载covertype数据集（分类）。

datasets.fetch_kddcup99(*[, subset, ...])			加载kddcup99数据集（分类）。

datasets.fetch_lfw_pairs(*[, subset, ...])			加载“野生（LFW）对中的已标记人脸”数据集（分类）。

datasets.fetch_lfw_people(*[, data_home, ...])		加载野外标记面孔 (LFW) 人物数据集（分类）。

datasets.fetch_olivetti_faces(*[, ...])				从 AT&T（分类）加载 Olivetti 面孔数据集。

datasets.fetch_openml([name, version, ...])			按名称或数据集 ID 从 openml 获取数据集。

datasets.fetch_rcv1(*[, data_home, subset, ...])		加载 RCV1 多标签数据集（分类）。

datasets.fetch_species_distributions(*[, ...])			Phillips 等人的物种分布数据集加载器。

datasets.get_data_home([data_home])						返回 scikit-learn 数据目录的路径。

datasets.load_breast_cancer(*[, return_X_y, ...])		加载并返回威斯康星州乳腺癌数据集（分类）。

datasets.load_diabetes(*[, return_X_y, ...])			加载并返回糖尿病数据集（回归）。

datasets.load_digits(*[, n_class, ...])					加载并返回数字数据集（分类）。

datasets.load_files(container_path, *[, ...])			加载以类别作为子文件夹名称的文本文件。

datasets.load_iris(*[, return_X_y, as_frame])			加载并返回鸢尾花数据集（分类）。

datasets.load_linnerud(*[, return_X_y, as_frame])		加载并返回体育锻炼 Linnerud 数据集。

datasets.load_sample_image(image_name)					加载单个样本图像的 numpy 数组。

datasets.load_sample_images()							加载示例图像以进行图像处理。

datasets.load_svmlight_file(f, *[, ...])				将 svmlight / libsvm 格式的数据集加载到稀疏 CSR 矩阵中。

datasets.load_svmlight_files(files, *[, ...])			从 SVMlight 格式的多个文件加载数据集。

datasets.load_wine(*[, return_X_y, as_frame])			加载并返回葡萄酒数据集（分类）。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

Samples generator

datasets.make_biclusters(shape, n_clusters, *)			生成用于双聚类的常量块对角结构数组。

datasets.make_blobs([n_samples, n_features, ...])		生成各向同性高斯斑点以进行聚类。

datasets.make_checkerboard(shape, n_clusters, *)		生成具有块棋盘结构的数组以进行双聚类。

datasets.make_circles([n_samples, shuffle, ...])		在 2d 中制作一个包含小圆的大圆。

datasets.make_classification([n_samples, ...])			生成随机 n 类分类问题。

datasets.make_friedman1([n_samples, ...])				生成“Friedman #1”回归问题。

datasets.make_friedman2([n_samples, noise, ...])		生成“Friedman #2”回归问题。

datasets.make_friedman3([n_samples, noise, ...])		生成“Friedman #3”回归问题。

datasets.make_gaussian_quantiles(*[, mean, ...])		生成各向同性高斯并按分位数标记样本。

datasets.make_hastie_10_2([n_samples, ...])				生成 Hastie 等人使用的二元分类数据。 2009 年，例 10.2。

datasets.make_low_rank_matrix([n_samples, ...])			生成一个具有钟形奇异值的低秩矩阵。

datasets.make_moons([n_samples, shuffle, ...])			制作两个交错的半圆。

datasets.make_multilabel_classification([...])			生成随机多标签分类问题。

datasets.make_regression([n_samples, ...])				生成随机回归问题。

datasets.make_s_curve([n_samples, noise, ...])			生成 S 曲线数据集。

datasets.make_sparse_coded_signal(n_samples, ...)		生成信号作为字典元素的稀疏组合。

datasets.make_sparse_spd_matrix([n_dim, ...])			生成稀疏对称定正矩阵。

datasets.make_sparse_uncorrelated([...])				使用稀疏不相关设计生成随机回归问题。

datasets.make_spd_matrix(n_dim, *[, ...])				生成随机对称正定矩阵。

datasets.make_swiss_roll([n_samples, noise, ...])		生成瑞士卷数据集。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

导入数据集demo

from sklearn import datasets

# 调用数据集
iris = datasets.load_iris()
digits = datasets.load_digits()

# 展示数据集
print(digits.data)
print(digits.target)
print(digits.images[0])
1
2
3
4
5
6
7
8
9
10