sklearn.datasets.fetch_20newsgroups
sklearn.datasets.fetch_20newsgroups(data_home=None, subset=’train’, categories=None, shuffle=True, random_state=42, remove=(), download_if_missing=True)
加载20个新闻组数据集的文件名和数据。
| 参数 | 说明 |
|---|---|
| data_home | 可选属性，默认为 None ，指定数据集的下载和缓存文件夹。 如果为 None ，则所有 scikit-learn 数据都存储在 ‘〜/ scikit_learn_data’ 子文件夹中。 |
| subset | 可选属性，可以为 train’ 或 test, all ，选择要加载的数据集：train 为训练集，test 为测试集，all 为训练集和测试集 |
| categories | None 或字符串集合或 unicode ，默认为 None ，表示加载所有类别。如果不为空，则加载指定的类别。 |
| shuffle | 可选属性， bool 类型。选择是否对数据集进行 shuffle 操作。 |
| random_state | numpy 随机数生成器或整数种子。用于对数据集进行 shuffle 操作。 |
| remove | 可能包含（ ‘headers’, ‘footers’, ‘quotes’）的任何子集。 其中每种都是将从新闻组帖子中检测到并删除的文本类型，从而防止分类符过度拟合元数据。 |
| download_if_missing | 可选属性，默认为 True 。如果为 False ，若数据不是本地可用的，而是尝试从源站点下载数据，则引发 IOError 。 |