計(jì)算機(jī)生成的數(shù)據(jù)集
用于分類(lèi)任務(wù)和聚類(lèi)任務(wù)，這些函數(shù)產(chǎn)生樣本特征向量矩陣以及對(duì)應(yīng)的類(lèi)別標(biāo)簽集合。
| 數(shù)據(jù)集 | 簡(jiǎn)介 |
|---|---|
| make_blobs | 多類(lèi)單標(biāo)簽數(shù)據(jù)集，為每個(gè)類(lèi)分配一個(gè)或者多個(gè)正態(tài)分布的點(diǎn)集，提供了控制每個(gè)數(shù)據(jù)點(diǎn)的參數(shù)：中心點(diǎn)（均值），標(biāo)準(zhǔn)差，常用于聚類(lèi)算法。 |
| make_classification | 多類(lèi)單標(biāo)簽數(shù)據(jù)集，為每個(gè)類(lèi)分配了一個(gè)或者多個(gè)正態(tài)分布的點(diǎn)集。提供了為數(shù)據(jù)集添加噪聲的方式，包括維度相性，無(wú)效特征和冗余特征等。 |
| make_gaussian_quantiles | 將一個(gè)單高斯分布的點(diǎn)集活粉為兩個(gè)數(shù)量均等的點(diǎn)集，作為兩類(lèi)。 |
| make_hastie_10_2 | 產(chǎn)生一個(gè)相似的二元分類(lèi)器數(shù)據(jù)集，有10個(gè)維度。 |
| make_circles/make_moons | 產(chǎn)生二維分類(lèi)數(shù)據(jù)集來(lái)測(cè)試某些算法（e.g.centroid-based clustering或linear classfication）的性能。可以為數(shù)據(jù)集添加噪聲，可以為二元分類(lèi)器產(chǎn)生一些球形判決表面的數(shù)據(jù)。 |
用于多標(biāo)簽分類(lèi)任務(wù)
| 數(shù)據(jù)集 | 簡(jiǎn)介 |
|---|---|
| make_multilabel_classification | 產(chǎn)生多類(lèi)多標(biāo)簽隨機(jī)樣本，這些樣本模擬了從很多話(huà)題的混合分布中抽取的詞袋模型，每個(gè)文檔的話(huà)題數(shù)量符合泊松分布，話(huà)題本身則從一個(gè)固定的隨機(jī)分布中抽取出來(lái)，同樣的，單詞數(shù)量也是泊松分布抽取，句子則是從多項(xiàng)式抽取。 |
用于回歸任務(wù)的
| 數(shù)據(jù)集 | 簡(jiǎn)介 |
|---|---|
| make_regression | 產(chǎn)生回歸任務(wù)的數(shù)據(jù)集，期望目標(biāo)輸出是隨機(jī)特征的稀疏隨機(jī)線(xiàn)性組合，并且附帶有噪聲，它的有用的特征可能是不相關(guān)的，或者低秩的（引起目標(biāo)值的變動(dòng)的只有少量的集合特征） |
| make_sparse_uncorrelated | 產(chǎn)生四個(gè)特征的線(xiàn)性組合（固定參數(shù)）作為期望目標(biāo)輸出 |
| make_friedman1 | 采用了多項(xiàng)式和正弦變換 |
| make_friedman2 | 包含了特征的乘積和互換操作 |
| make_friedman3 | 類(lèi)似于arctan變換 |
用于流行學(xué)習(xí)的
| 數(shù)據(jù)集 | 簡(jiǎn)介 |
|---|---|
| make_s_curve | 生成S型曲線(xiàn)數(shù)據(jù)集 |
| make_swiss_roll | 生成瑞士卷曲線(xiàn)數(shù)據(jù)集 |
用于因子分解的
| 數(shù)據(jù)集 | 簡(jiǎn)介 |
|---|---|
| make_low_rank_matrix | |
| make_sparse_coded_signal | |
| nake_spd_matrix | 產(chǎn)生的是隨機(jī)的堆成的正定矩陣 |
| make_sparse_spd_matrix | 產(chǎn)生的是稀疏的堆成正定矩陣 |
make_blobs()
image
make_classification()
image
make_moons()
image
make_circles()
image
svmlight/libsvm格式的數(shù)據(jù)集
svmlight/libsvm的每一行樣本的存放格式
<label> <feature-id>:<feature-value> <feature-id>:<feature-value>...
使用下面的方式導(dǎo)入該格式的數(shù)據(jù)集
X_train, y_train = sklearn.datasets.load_svmlight_file('train.txt')
還可以使用下面的方式將訓(xùn)練集和測(cè)試集一起導(dǎo)入，可以保證X_train和X_test有同樣數(shù)目的特征
X_train, y_train, X_test, y_test = sklearn.datasets.load_svmlight_file(('train.txt', 'test.txt'))
