机器学习笔记_2

没想到再接着学习都是2019年3月30日16:37:49 了。。。
https://www.bilibili.com/video/av39137333/?p=7

2.1.3数据集的划分

机器学习一般的数据集会划分为两个部分:

-

2019年3月6日10:50:29

07 sklearn 数据集使用

https://www.bilibili.com/video/av39137333/?p=7

思考：拿到的数据是否全部用来训练一个模型？

模型进行评估，拿到数据时，留出一部分，用来跟模型的数据进行比较。

测试集 20-30%

安装PyCharm

2019年3月5日16:11:12

https://blog.csdn.net/sinat_32582203/article/details/71633678

重启电脑后，会出现。

 

07 sklearn 数据集使用

https://www.bilibili.com/video/av39137333/?p=7

2019年3月4日16:51:28

思考：拿到的数据是否全部用来训练一个模型？

模型进行评估，拿到数据时，留出一部分，用来跟模型的数据进行比较。

2.1.3 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

划分比例：

• 训练集：70%   80%  75%
• 测试集：30%  20%   25%

数据集划分api

• sklearn.model_selection.train_test_split(arrays,*options)
  • 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，训练集目标值，测试集目标值

2019年3月4日08:18:31 

2.1.2 sklearn

1.scikit-learn 数据集API介绍

• sklearn.datasets
  • 加载获取流行数据集
  • 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/　　

2.sklearn 小数据集

• sklearn.datasets.load_iris()

           加载并返回鸢尾花数据集 Iris 是在UCI数据学习仓库里面特别流行的数据集。

• sklearn.datasets.load_boston()

 　　　加载并返回波士顿房价数据集

3.sklearn 大数据集

• sklearn.datasets.fetch_20newsgroups(data_home=None,subset='train')
  • 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”

4.sklearn 数据集的使用

 sklearn 数据集返回值介绍　　

•  load 和 fetch 返回的数据类型datasets.base.Bunch（字典格式）
  • data:特征数据数组，是[n_samples*n_features]的二维 numpy.ndarray数组
  • 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

from sklearn.datasets import load_iris

#获取鸢尾花数据集
iris =load_iris()
print("鸢尾花数据集的返回值：\n",iris)

#返回值是一个继承自字典的Bench
print("鸢尾花的特征值：\n",iris["data"])
print("鸢尾花的目标值：\n",iris.target)
print("鸢尾花特征的名字：\n",iris.feature_names)
print("鸢尾花目标值的名字：\n",iris.target_names)
print("鸢尾花的描述：\n",iris.DESCR)

 pyCharm 工具的安装