1.1.3：sklearn库中的标准数据集及基本功能

sklearn的数据集种类：

• 自带的小数据集（packaged dataset）：sklearn.datasets.load_<name>
• 可在线下载的数据集（Downloaded Dataset）：sklearn.datasets.fetch_<name>
• 计算机生成的数据集（Generated Dataset）：sklearn.datasets.make_<name>
• svmlight/libsvm格式的数据集:sklearn.datasets.load_svmlight_file(...)
• 从买了data.org在线下载获取的数据集:sklearn.datasets.fetch_mldata(...)

sklearn自带的小数据集

​

​

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。其中包括城镇犯罪率、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。

 

 

以波士顿房价为例：

使用sklearn.datasets.load_boston即可加载相关数据集

其重要参数为：

• return_X_y:表示是否返回target（即价格），默认为False，只返回data（即属性）

 

示例1：

>>> from sklearn.datasets import load_boston
>>> boston = load_boston()
>>> print(boston.data.shape)
(506, 13)

示例2：

>>> from sklearn.datasets import load_boston
>>> data, target = load_boston(return_X_y=True)
>>> print(data.shape)
(506, 13)
>>> print(target.shape)
(506)

图像展示

​

sklearn库的基本功能

sklearn库的共分为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（本专题主要介绍前四部分内容）

分类任务

​

回归任务

​

聚类任务

​

降维任务

​