sklearn数据集

1、数据集的划分

数据集可分为分类数据集、回归数据集和聚类数据集。在监督学习中，数据集又分为训练集和测试集。
训练集用于构建模型，测试集用于评估模型是否合格。

2、sklearn数据集API(sklearn.datasets)

datasets.load_*() 获得小规模的数据集 sklearn.datasets.load_iris()

datasets.fetch_*(data_home=None) 获得大规模数据集 sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
subset: ‘train’或者’test’,‘all’，可选，选择要加载的数据集.
训练集的“训练”，测试集的“测试”，两者的“全部”

load和fetch返回的数据类型datasets.base.Bunch(字典格式)

data：特征数据数组，是 [n_samples * n_features] 的二维
numpy.ndarray 数组

target：标签数组，是 n_samples 的一维 numpy.ndarray 数组

DESCR：数据描述

feature_names：特征名,新闻数据，手写数字、回归数据集没有

target_names：标签名,回归数据集没有

3、sklearn数据集划分API

sklearn.model_selection.train_test_split(*arrays, **options)

x 数据集的特征值
y 数据集的标签值
test_size 测试集的大小，一般为float