2.sklearn库中的标准数据集与基本功能

sklearn库中的标准数据集与基本功能

下面我们详细介绍几个有代表性的数据集：

当然同学们也可以用sklearn机器学习函数来挖掘这些数据，看看可不可以捕捉到一些有趣的想象或者是发现：

波士顿房价数据集：

波士顿房价数据集包含506组数据，每条数据包含房屋以及房屋周围的详细信息。其中包含城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿房价数据集能够应用到回归问题上。

这里是波士顿房价数据集的部分房价数据信息展示：例如：NOX这个属性代表一氧化氮的浓度，RM这个属性代表的是住宅的平均房间数；

我们可以通过使用sklearn.datasets.load_boston即可加载相关的数据集；
　　重要参数：
　　　　1.return_X_y:表示是否返回target(即价格)，默认为False,只返回data(即属性)。

这里我们提供两个实例：

示例1：

示例1展示了如何import load_boston这个数据集；通过打印boston.data.shape我们可以看到维度是：506,13

示例2：当return_X_y设置为True的时候：load_boston同时返回data和target

鸢尾花数据集：

鸢尾花数据集是数据挖掘任务常用的一个数据集；鸢尾花数据集采集的是鸢尾花的测量数据以及其所属的类别。

测量数据包括：萼片长度、萼片宽度、花瓣长度、花瓣宽度。
类别共分为三类：Iris Setosa,Iris Versicolour,Iris Virginica。该数据集可用于多分类问题。

使用sklearn.datasets.load_iris即可加载相关数据集
参数：
1.return_X_y:若为True,则以(data,target)形式返回数据，默认为False,表示以字典形式返回数据全部信息(包含data和target)

鸢尾花数据集--加载示例：

手写数字数据集

手写数字数据集包括：1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。

使用sklearn.datasets.load_digits即可加载相关的数据集；

参数：
　　return_X_y：若为True,则以(data,target)形式返回数据；默认为False,表示以字典形式返回数据全部信息(包含data和target)
      n_class:表示返回数据的类别数，如:n_class=5,则返回0到4的数据样本。

示例：

先加载数据集digits,然后通过打印digits.data.shape可以打印这个数据集的维度，加载matplotlib库，通过使用matshow()函数和show()函数以图像的形式展示：

sklearn库的基本功能

sklearn库共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。

我们这里主要介绍前4部分内容:

1.对于分类任务，我们这里列出了分类模型和它的调用方法；对于支持向量机这个分类算法而言，我们需要调用svm.SVC这个模块

2.回归任务：回归模型和它的调用方法

3.聚类任务：下面是聚类任务会设计到的聚类模型和调用方法

4.降维任务：降维任务所涉及到的一些方法和需要加载的模块；

在今后的学习中，我们会以实例来具体对这些算法的使用方式来进行介绍！