Sklearn中自带的数据集

发表于 更新于
Sklearn自带多个数据集可供快速开始算法实验，这些数据集都可以通过sklearn.datasets.load_的方式调取。

iris数据集

鸢尾花数据集，一个非常经典的用于多分类任务的数据集。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
from sklearn.datasets import load_iris

# 加载数据集
iris = load_iris()

# 数据的条数和维数
n_samples,n_features = iris.data.shape
print("Number of sample:", n_samples)
print("Number of feature", n_features)

print(iris.data[0])  # 第一个样例
print(iris.data.shape)
print(iris.target.shape)
print(iris.target)

digits数据集

手写数字数据集，也是一个可用于多分类任务的数据集。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
import numpy as np

digits = load_digits()
digits.keys()
n_samples,n_features = digits.data.shape

print((n_samples,n_features))
print(digits.images.shape)

fig = plt.figure(figsize=(6,6))
fig.subplots_adjust(left=0,right=1,bottom=0,top=1,hspace=0.05,wspace=0.05)
# 绘制数字：每张图像8*8像素点
for i in range(64):
    ax = fig.add_subplot(8,8,i+1,xticks=[],yticks=[])
    ax.imshow(digits.images[i],cmap=plt.cm.binary,interpolation='nearest')
    # 用目标值标记图像
    ax.text(0,7,str(digits.target[i]))
plt.show()

breast_cancer数据集

乳腺癌数据集，经典的用于二分类任务的数据集。

1
2
3
4
5
6
7
8
9
from sklearn.datasets import load_breast_cancer

# 加载数据集
barest_cancer = load_breast_cancer()

# 数据的条数和维数
n_samples, n_features = barest_cancer.data.shape
print("Number of sample:", n_samples)
print("Number of feature", n_features)

diabetes数据集

糖尿病数据集，经典的用于回归任务的数据集。

1
2
3
4
5
6
7
8
9
from sklearn.datasets import load_diabetes

# 加载数据集
diabetes = load_diabetes()

# 数据的条数和维数
n_samples, n_features = diabetes.data.shape
print("Number of sample:", n_samples)
print("Number of feature", n_features)

boston数据集

波士顿房价数据集，经典的用于回归任务的数据集。

1
2
3
4
5
6
7
8
9
from sklearn.datasets import load_boston

# 加载数据集
boston = load_boston()

# 数据的条数和维数
n_samples, n_features = boston.data.shape
print("Number of sample:", n_samples)
print("Number of feature", n_features)

linnerud数据集

体能锻炼数据集，经典的用于多变量回归任务的数据集。

1
2
3
4
5
6
7
8
9
from sklearn.datasets import load_linnerud

# 加载数据集
linnerud = load_linnerud()

# 数据的条数和维数
n_samples, n_features = linnerud.data.shape
print("Number of sample:", n_samples)
print("Number of feature", n_features)