sklearn的資料集-datasets

1 sklearn 強大資料庫

data sets，有很多有用的，可以用來學習演算法模型的資料庫。
eg: boston 房價, 糖尿病, 數字, Iris 花。

主要有兩種：
- 封裝好的經典資料。eg: boston 房價, 糖尿病, 數字, Iris 花。在程式碼中以“load”開頭。
- 自己設計引數，然後生成的資料，例如用來訓練線性迴歸模型的資料（強大）。在程式碼中以“make”開頭

2 文件介紹

2.1 經典資料

例如，點選進入 boston 房價的資料，可以看到 sample 的總數，屬性，以及 label 等資訊。

2.2 構造資料

如果是自己生成資料，按照函式的形式，輸入 sample，feature，target 的個數等等。

sklearn.datasets.make_regression(n_samples=100, n_features=100, n_informative=10, n_targets=1, bias=0.0, effective_rank=None, tail_strength=0.5, noise=0.0, shuffle=True, coef=False, random_state=None)[source]

3 例子1，房價

# 匯入滿滿的資料庫
from sklearn import
 
 datasets
# 分割資料的模組，把資料集分為訓練集和測試集
from sklearn.cross_validation import train_test_split
# 匯入 線性迴歸 方法
from sklearn.linear_model import LinearRegression


# 載入資料
loaded_data = datasets.load_boston()
# 獲取資料的輸入與輸出,sklearn很規則的吧資料分為了data（輸入）與target（輸出）兩部分
data_X = loaded_data.data
data_y = loaded_data.target
# 將資料集分割成 訓練集 與 測試集，切順序是打亂的。其中測試集佔30%
 

X_train,X_test,y_train,y_test = train_test_split(data_X,data_y,test_size=0.3)



# 建立模型，可以直接用預設值去建立 model，預設值也不錯，也可以自己改變引數使模型更好。
model = LinearRegression()
# 用 training data 去訓練模型
model.fit(X_train, y_train)


# 再打印出預測值，這裡用 X 的前 4 個來預測，同時列印真實值，作為對比。
print(model.predict(X_test[:4, :]))
print(y_test[:4])

'''
結果如下：

[ 19.56926228  33.20448769  31.89484639  39.34984426]
[ 18.6  33.2  30.3  43.5]
'''

4 例子2：建立虛擬資料並可視化

# 匯入滿滿的資料庫，這裡用它的第二個方面：構造資料
from sklearn import datasets
# 匯入 線性迴歸 方法
from sklearn.linear_model import LinearRegression
# 畫圖工具
import matplotlib.pyplot as plt


# 構造用於迴歸的資料make_regression
# 引數的意思：100個例子，1種特徵，1種輸出，噪聲的大小為5
X,y = datasets.make_regression(n_samples=100,n_features=1,n_targets=1,noise=2)

# 影象化我們剛剛建立的資料
plt.plot(X,y,'o')
plt.show()

可以看到用函式生成的 Linear Regression 用的資料。

noise 越大的話，點就會越來越離散，例如 noise 由 10 變為 50.