头文件

import numpy as np
import matplotlib.pyplot as plt
import mglearn
import pandasfrom sklearn.model_selection import train_test_split

forge数据集

可以用于模拟二分类问题，数据集包含26个数据点和2个特征，两种输出。

from sklearn.model_selection import train_test_split# 生成数据集
X, y = mglearn.datasets.make_forge() # 输入，目标
X_train, x_test, y_train, y_test = train_test_split(X, y, random_state=0)# 数据集绘图
mglearn.discrete_scatter(X[:, 0], X[:, 1], y) # 第一个特征为x轴，第二特征为y轴，不同的点是输出y
plt.legend(['Class 0', 'Class 1'], loc=4) # 给图像加图例（文字说明），loc参数指向图例位置
plt.xlabel('First feature')
plt.ylabel('Second feature')
print('X.shape:{}'.format(X.shape))

wave数据集

用来测试回归算法，数据集只有一个输入特征，一个连续的目标变量/响应。

x, y = mglearn.datasets.make_wave(n_samples=40)
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=0)plt.plot(x, y, 'o') # 圆点表示
plt.ylim(-3, 3)
plt.xlabel('Feature')
plt.ylabel('Target')

cancer数据集

威斯康星州乳腺癌数据集，二分类问题，569个数据点，30个特征，两个目标（良性/恶性）

包含在scikit_learn中的数据集通常保存为Bunch对象。
Bunch对象类似字典，并且可以用点操作符来访问对象的值。bunch.ket = bunch['key']

from sklearn.datasets import load_breast_cancercancer = load_breast_cancer() # Bunch对象
x_train, x_test, y_train, y_test = train_test_split(cancer.data, cancer.target, stratify=cancer.target, random_state=66)print('Cancer Keys:\n{}'.format(cancer.keys()))
print('Target:\n{}'.format({n: v for n, v in zip(cancer.target_names, np.bincount(cancer.target))}))

np.bincount（）=函数衡量权重（出现了多少次）
zip()函数将可迭代对象封装成列表，列表的元素为元组。

np.bincount()用法介绍

boston数据集

波士顿房价数据集，回归问题，506个数据点，13个特征。
普通bosten

from sklearn.datasets import load_boston
boston = load_boston()
print(boston.data.shape)

含有交互项的bosten：13个特征两两组合成91个特征，共有104个特征

x, y = mglearn.datasets.load_extended_boston()
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=0)
lr = LinearRegression().fit(x_train, y_train)print(x.shape)

two-moons数据集

二分类数据集，想两个月亮一样（太极）

from sklearn.datasets import make_moons# two_moons数据集
x, y = make_moons(n_samples=100,  noise=0.25, random_state=3)
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y, random_state=42)

【机器学习】（四）一些数据集：forge、wave、cancer、bosten、two-moons相关推荐

[当人工智能遇上安全] 7.基于机器学习的安全数据集总结
您或许知道,作者后续分享网络安全的文章会越来越少.但如果您想学习人工智能和安全结合的应用,您就有福利了,作者将重新打造一个<当人工智能遇上安全>系列博客,详细介绍人工智能与安全相关的论文. ...
机器学习实战的数据集在哪找_在哪里找到很棒的机器学习数据集
机器学习实战的数据集在哪找 Good machine learning research starts with an exceptional dataset. There is no need to ...
机器学习四剑客1——Numpy
求业之精,别无他法,日专而已矣! 一.概论 1.机器学习是什么 2.机器学习做什么 3.机器学习基本概念二.机器学习第一步:数据分析 1.Python被大量应用在数据挖掘和深度学习领域: 2.其中使 ...
Dataset：机器学习中常用数据集下载链接集合之详细攻略
Dataset:机器学习中常用数据集下载链接集合之详细攻略目录机器学习中常用数据集下载链接集合之详细攻略 sklearn.datasets数据集所有csv文件集合 seaborn-data数据集所 ...
机器学习四种调参方法总结
介绍维基百科上说,"Hyperparameter optimization或tuning是为学习算法选择一组最优的hyperparameters的问题". 本文转载于收藏 | 机 ...
机器学习：sklearn数据集与机器学习组成
机器学习组成:模型.策略.优化 <统计机器学习>中指出:机器学习=模型+策略+算法.其实机器学习可以表示为:Learning= Representation+Evalution+Optim ...
【机器学习】Pima数据集的可视化
对数据进行理解的最快最有效的方式是:数据的可视化. 单一图表直方图密度图箱线图直方图通过直方图可以非常直观地看出每个属性的分布状况:高斯分布,指数分布还是偏态分布. from pandas ...
大数据领域机器学习或推荐系统数据集大全
数据集汇总一.免费大数据存储库的网站 1.深度学习数据集收集网站 http://deeplearning.net/datasets/** 收集大量的各深度学习相关的数据集,但并不是所有开源的数据集都 ...
23个优秀的机器学习训练公开数据集，一文全知道！
作者 | Nikola M. Zivkovic 转自AI前线译者 | 王强策划 | 凌敏对于学习机器学习的朋友,一般都会用到那些常用的机器学习数据集,这里一篇文章一网打尽,大家可以一次性下载 ...
机器学习深度学习数据集大汇总
寻找一个好用的数据集需要注意一下几点: 数据集不混乱,否则要花费大量时间来清理数据: 数据集不应包含太多行或列,否则会难以使用: 数据越干净越好,清理大型数据集可能非常耗时: 应该预设一个有趣的问题, ...

【机器学习】（四）一些数据集：forge、wave、cancer、bosten、two-moons

头文件