Python sklearn load_iris用法及代码示例

本文简要介绍python语言中 sklearn.datasets.load_iris 的用法。

用法:

sklearn.datasets.load_iris(*, return_X_y=False, as_frame=False)

加载并返回 iris 数据集(分类)。

iris 数据集是一个经典且非常简单的多类分类数据集。

Classes	3
每班样本	50
样品总数	150
Dimensionality	4
Features	真实的，积极的

在用户指南中阅读更多信息。

参数：

return_X_y：布尔，默认=假

如果为 True，则返回 (data, target) 而不是 Bunch 对象。有关data 和target 对象的更多信息，请参见下文。

as_frame：布尔，默认=假

如果为 True，则数据是 pandas DataFrame，包括具有适当数据类型(数字)的列。目标是 pandas DataFrame 或 Series，具体取决于目标列的数量。如果 return_X_y 为 True，则 ( data , target ) 将是 pandas DataFrames 或 Series，如下所述。

返回：

data：sklearn.utils.Bunch

类似字典的对象，具有以下属性。

数据：{ndarray, dataframe} 形状 (150, 4)

数据矩阵。如果as_frame=True，data将是一个pandas DataFrame。

目标：{ndarray, Series} 形状 (150,)

分类目标。如果as_frame=True，target将是一个pandas系列。

feature_names：列表

数据集列的名称。

target_names：列表

目标类的名称。

框架：DataFrame 形状 (150, 5)

仅在 as_frame=True 时出现。 DataFrame 与 data 和 target 。

说明：str

数据集的完整说明。

文件名：str

数据位置的路径。

(data, target)：如果return_X_y 为真，则为元组

两个 ndarray 的元组。第一个包含形状为 (n_samples, n_features) 的二维数组，每行代表一个样本，每列代表特征。包含目标样本的第二个形状 (n_samples,) 的 ndarray。

注意：

例子：

假设您对样本 10、25 和 50 感兴趣，并且想知道它们的类名。

>>> from sklearn.datasets import load_iris
>>> data = load_iris()
>>> data.target[[10, 25, 50]]
array([0, 0, 1])
>>> list(data.target_names)
['setosa', 'versicolor', 'virginica']