人工智能数据的划分和介绍

1、智能数据的划分和介绍数据集1. 数据集划分机器学习般的数据集会划分为两个部分训练数据：于训练，构建模型测试数据：在模型检验时使，于评估模型是否有效2. sklearn数据集接介绍3. sklearn分类数据集4. sklearn回归数据集数据集划分APIsklearn.model_selection.tranid_text_split数据集API介绍skiearn.datasets加载获取流数据集datasets.load_*()获取规模数据集，数据包含在datasetsdatasets.fetch_*(data_home=None)获取规模数据集，需要从络下载，函数第个参数是data_hom

2、e，表数据集下载的录默认是/scikit_learn_data/获取数据集返回的类型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的维numpy.ndarray数组targets：标签数组，是n_samples的维numpy.adarray数组DESCR：数据描述feature_names：特征名，新闻数据，写数字，回归数据集没有target_names:标签名获取数据集案例load_datas()if _name_ =_main_:main()运结果：数据集进分割sklearn.model

3、_selection.train_test_split(*arrays,*options)x 数据集的特征值y 数据集的标签值text_size 测试集的，般为floatrandom_state 随机数种，不同的种会造成不同的随机采样结果，相同的种采样结果相同return 训练集特征值，测试集特征值，训练标签，测试标签（默认随机取）代码：liload_iris()print(.data)def data_split():irload_iris()#训练集特征值：x_train 测试值：y_train 测试集：特征值：x_text 训练集y_trainx_train,x_text,y_train

4、,y_texttrain_test_split(ir.data,ir.target,test_size0.25)print(,x_train,y_train)def main():data_split()if _name_ =_main_:main()运结果：于分类的数据集（新闻）sklearn.datasets.fetch_20newsgroups(data_home=None,subset=“train”)subset:train“或者text,“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”datasets.clear_data_home(data_h

5、ome=None)清除录下的数据代码：liload_iris()print(.data)def data_split():irload_iris()#训练集特征值：x_train 测试值：y_train 测试集：特征值：x_text 训练集y_trainx_train,x_text,y_train,y_texttrain_test_split(ir.data,ir.target,test_size0.25)print(,x_train,y_train)def get_news():newsfetch_20newsgroups(subset=all)print(news.data)if _name_ =_main_:main()运结果：回归数据集代码：liload_iris()def data_split():irload_iris()#训练集特征值：x_train 测试值：y_train 测试集：特征值：x_text 训练集y_trainx_train,x_text,y_train,y_texttrain_test_split(ir.data,ir.target,test_size0.25)print(,x_train,y_train)def get_news():newsfetch_20newsgroups(subset=