sklearn

· Scikit-learn(sklearn)是機器學習中常用的第三方模塊，對常用的機器學習方法進行了封裝，包括回歸(Regression)、降維(Dimensionality Reduction)、分類(Classfication)、聚類(Clustering)等方法。

· sklearn 中自帶的小型數據集：
1. 鳶尾花數據集 load_iris（）：用于分類任務的數據集
2. 手寫數據集 load_digits（）:用于分類任務或者降維任務的數據集
3. 乳腺癌數據集 load-barest-cancer（）：簡單經典的用于二分類任務的數據集
4. 糖尿病數據集 load-diabetes（）：經典的用于回歸認為的數據集，值得注意的是，這10個特征中的每個特征都已經被處理成0均值，方差歸一化的特征值
5. 波士頓房價數據集 load-boston（）：經典的用于回歸任務的數據集
6. 體能訓練數據集 load-linnerud（）：經典的用于多變量回歸任務的數據集

Iris 數據集

· Iris （/?a?r?s/） 數據集是機器學習任務中常用的分類實驗數據集，由Fisher在1936年整理。

· Iris ：Anderson’s Iris data set， 中文名稱：安德森鳶尾花數據集

· Iris 數據集一共包含150個樣本，分3類，每類50個數據，每個數據包含4個特征。4個特征分別為： Sepal.Length（花萼長度）、Sepal.Width（花萼寬度）、Petal.Length（花瓣長度）、Petal.Width（花瓣寬度），特征值都為正浮點數，單位為厘米。根據4個特征預測鳶尾花屬于 Iris Setosa（山鳶尾）、Iris Versicolour（雜色鳶尾），Iris Virginica（維吉尼亞鳶尾）

測試

import numpy as np from sklearn import datasets def load_data():iris = datasets.load_iris()# 數據共 150 行 ，4 列print(iris.data.shape)# 150 行數據 對應 150 個標簽值（種類）print(iris.target.shape) if __name__ == "__main__":load_data()

總結

以上是生活随笔為你收集整理的sklearn 中的 Iris 数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。