一、sklearn数据集

1.数据集的划分

机器学习一般的数据集会划分为两个部分：
训练数据：用于训练，构建模型
测试数据：在模型检验时使用，用于评估模型是否有效
训练集与测试集的划分一般控制在75%-25%

2.sklearn数据集接口介绍

sklearn数据集划分API：sklearn.model_selection.train_test_splitscikit-learn数据集API介绍sklearn.datasets
# 加载获取流行数据集# 方法
datasets.load_*()
# 获取小规模数据集，数据包含在datasets里
datasets.fetch_*(data_home=None)
# 获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集
# 下载的目录,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)# 特征值
data：特征数据数组，是 [n_samples * n_features] 的二维numpy.ndarray 数组
# 目标值
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分类数据集

# 导入数字数据集
from sklearn.datasets import load_digitsld = load_digits()
print("特征值")
print(ld.data)print('目标值')
print(ld.target)print('数据描述')
print(ld.DESCR)

用于分类的大数据集sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
# 参数
# 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”# 方法
datasets.clear_data_home(data_home=None)
# 清除目录下的数据

# 大数据集
from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_splitnews = fetch_20newsgroups(subset='all')print('特征值是：\n',news.data)
print('目标值是：\n',news.target)

4.sklearn回归数据集

# 回归数据集之波士顿房价数据集
from sklearn.datasets import load_bostonlb = load_boston()
print("特征值是：\n",lb.data)
print("目标值是：\n",lb.target)
print(lb.DESCR)

5.数据集进行分割

sklearn.model_selection.train_test_split(*arrays, **options)# 参数# 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
# random_state随机数种子,不同的种子会造成不同的随机采样结果。相同的种子采样结果相同。
# 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) 

# 数据集的划分
# 乱序的拿一部分数据用作测试集
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_splitli = load_iris()
# 注意返回值  训练集train  x_train  y_train   测试集test  x_test   y_teat
# 先特征值后目标值的顺序不能改变
x_train,x_test,y_train,y_test = train_test_split(li.data,li.target,test_size=0.25)print('训练集的特征值与目标值:\n',x_train,y_train)
print('测试集的特征值与目标值:\n',x_test,y_test)

二、转换器与预估器

1.转换器

转换器类(Transformer)---实现了特征工程的APIfit_transform()  # 输入数据直接转换
调用fit_transform(对于文档建立分类词频矩阵，不能同时调用)fit()            # 输入数据，但不做事，计算均值、方差等
transform()      # 进行数据的转换
fit_transform()  = fit() + transform()

2.估计器

# 估计器(estimator)---分类器和回归器都属于estimator---是一类实现了算法的API1、用于分类的估计器：
•sklearn.neighbors  k-近邻算法
•sklearn.naive_bayes      贝叶斯
•sklearn.linear_model.LogisticRegression     逻辑回归2、用于回归的估计器：
•sklearn.linear_model.LinearRegression     线性回归
•sklearn.linear_model.Ridge      岭回归

# 估计器(estimator)的作用
# 训练集 x_train   y_train
# 测试集 x_test    y_test第一步：调用fit(x_train,y_train)至估计器
第二步：输入测试集数据
有两个API:1.预测值 y_predict = predict(x_test)2.预测的准确率 score(x_test,y_test)