我们直接看代码:

from sklearn import datasets

#读取三组数据,前两个用于分类,第三个用于回归
iris = datasets.load_iris()
digits = datasets.load_digits()
boston = datasets.load_boston() #打印datasets放在哪里了
print(datasets.get_data_home()) print('-'*30) #查看加载的数据,都有几行,几列,如果是分类的话,都有哪几个类别,特征都是什么。如果是回归的话,特征都是什么
#先看iris
print(iris.data.shape)
print(iris.target.shape)
print(iris.target_names)
print(iris.feature_names) print('-'*30) #再看digits
print(digits.data.shape)
print(digits.images.shape)
print(digits.target.shape)
print(digits.target_names) print('-'*30) #最后看boston (回归)
print(boston.data.shape)
print(boston.target.shape)
print(boston.feature_names) print('-'*30) #将load的数据,画在图上看一下
import matplotlib.pyplot as plt
image0 = digits.images[0]
plt.imshow(image0)
plt.show()

我们的代码中,加载了三组数据,分别为iris, digits和boston
其中,前两个是用于分类的数据,你可以看到数据对应的target_names, 由于boston是用来回归的,
回归的y一般都是一个数字,而且没法一一列举,所以,你只能看到每一维特征都代表了什么。 
 
代码执行结果:
/Users/chenkuo/scikit_learn_data
------------------------------
(150, 4)
(150,)
['setosa' 'versicolor' 'virginica']
['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
------------------------------
(1797, 64)
(1797, 8, 8)
(1797,)
[0 1 2 3 4 5 6 7 8 9]
------------------------------
(506, 13)
(506,)
['CRIM' 'ZN' 'INDUS' 'CHAS' 'NOX' 'RM' 'AGE' 'DIS' 'RAD' 'TAX' 'PTRATIO'
'B' 'LSTAT']
------------------------------
 
aaarticlea/png;base64,iVBORw0KGgoAAAANSUhEUgAAAUYAAAFJCAYAAADngYQlAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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%0AIwAYhBEADMIIAAZhBACDMAKA8V+WXFXj2uEDFgAAAABJRU5ErkJggg==" alt="" />

掌握sklearn系列——1 学会加载数据的更多相关文章

  1. echarts系列之动态加载数据

    1.echarts学习前言 最近接触到echarts,发现数据可视化真的是魅力无穷啊,各种变幻的曲线交错,以及‘曼妙’的动画效果真是让人如痴如醉! 下面就来一起欣赏她的美... “ ECharts是中 ...

  2. 机器学习:从sklearn中加载数据

    一.sklearn模块 sklearn模块下有很多子模块,常用的数据集在:sklearn.datasets模块下: 通过数据集中DESCR来查看数据集的文档: 从datasets中加载数据: impo ...

  3. Bootstrap-Select 动态加载数据的小记

    关于前端框架系列的可以参考我我刚学Bootstrap时候写的LoT.UI http://www.cnblogs.com/dunitian/p/4822808.html#lotui bootstrap- ...

  4. 淘宝购物车页面 智能搜索框Ajax异步加载数据

    如果有朋友对本篇文章的一些知识点不了解的话,可以先阅读此篇文章.在这篇文章中,我大概介绍了一下构建淘宝购物车页面需要的基础知识. 这篇文章主要探讨的是智能搜索框Ajax异步加载数据.jQuery的社区 ...

  5. echarts在.Net中使用实例(二) 使用ajax动态加载数据

    通过上一篇文章可以知道和echarts参考手册可知,series字段就是用来存储我们显示的数据,所以我们只需要用ajax来获取series的值就可以. option 名称 描述 {color}back ...

  6. 老调重弹:JDBC系列之<驱动加载原理全面解析) ----转

      最近在研究Mybatis框架,由于该框架基于JDBC,想要很好地理解和学习Mybatis,必须要对JDBC有较深入的了解.所以便把JDBC 这个东东翻出来,好好总结一番,作为自己的笔记,也是给读者 ...

  7. AngularJS 实现页面滚动到底自动加载数据的功能

    要实现这个功能,可以通过https://github.com/sroze/ngInfiniteScroll这个第三方控件来实现.步骤如下: 1. 下载ng-infinite-scroll.js程序ht ...

  8. RX系列四 | RxAndroid | 加载图片 | 提交表单

    RX系列四 | RxAndroid | 加载图片 | 提交表单 说实话,学RxJava就是为了我们在Android中运用的更加顺手一点,也就是RxAndroid,我们还是先一步步来,学会怎么去用的比较 ...

  9. Android Launcher分析和修改4——初始化加载数据

    上面一篇文章说了Launcher是如何被启动的,Launcher启动的过程主要是加载界面数据然后显示出来, 界面数据都是系统APP有关的数据,都是从Launcher的数据库读取,下面我们详细分析Lau ...

随机推荐

  1. hadoop2 YARN/Mv2中 ApplicationMaster相关问题及介绍

    ApplicationMaster是什么? ApplicationMaster是一个框架特殊的库,对于Map-Reduce计算模型而言有它自己的ApplicationMaster实现,对于其他的想要运 ...

  2. phpmailer 发送邮件(一)

    phpmailer下载地址: PHPMailer : https://github.com/PHPMailer/PHPMailer 一.基本要求 Web访问正常(apache可以正常访问) php 设 ...

  3. JS中有关正则表达式的一些常见应用

    总所周知,正则表达式主要用于字符串处理.表单验证等,简单的代码量实现复杂的功能 1.身份证号码的一个校验 先做一个简单的位数校验来判断身份证的合法性:(15位数字或18位数字或17位数字加X|x) v ...

  4. web工程自动部署(tomcat服务器)

    工作中经常需要把web项目打成war包之后部署到tomcat服务器上,每次更新时步骤比较类似,这里提供公共步骤,编写名为auto_deploy.sh的shell脚本,只需要传递两个参数即可自动完成部署 ...

  5. 基于vue,打印机打印暂且处理

    基于vue单页面应用.暂且没找到合适的方案,什么vue-print  .jquery.print.js.jqprint.js..canvas生成图片啊 大多不能保证页面样式保持原样. 所以,选择了最土 ...

  6. (一)IDEA工具开第一个springboot应用之helloworld

    (一)IDEA工具开第一个springboot应用之helloworld 一.前置知识 1.maven相关知识 2.spring注解 3.RESTful API 二.idea开发第一个springbo ...

  7. 开源项目 easydownload

    一个用于下载的 android library库,   源码 支持多线程断点下载, 支持消息通知. 支持优先级下载. 支持暂停,继续,删除下载列表 支持多服务器下载. 使用方式 compile 'co ...

  8. ASP.NET异常处理机制

    try{ //获取并使用资源,可能出现异常}catch(DivideByZeroException de){}catch(ArithmeticException ae){}catch(Exceptio ...

  9. Android UsageStatsService(应用使用统计服务)的学习与调研

    一. 简介 UsageStatsService是一个系统服务,其主要通过AMS等,来监测并记录各个应用的使用数据,如上次调用com.android.settings的时间等. UsageStatsSe ...

  10. Python函数篇(2)-递归函数、匿名函数及高阶函数

    1.全局变量和局部变量 一般定义在程序的最开始的变量称为函数变量,在子程序中定义的变量称为局部变量,可以简单的理解为,无缩进的为全局变量,有缩进的是局部变量,全局变量的作用域是整个程序,而局部变量的作 ...