Python sklearn load_iris用法及代碼示例

本文簡要介紹python語言中 sklearn.datasets.load_iris 的用法。

用法:

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

加載並返回 iris 數據集(分類)。

iris 數據集是一個經典且非常簡單的多類分類數據集。

Classes	3
每班樣本	50
樣品總數	150
Dimensionality	4
Features	真實的，積極的

在用戶指南中閱讀更多信息。

參數：

return_X_y：布爾，默認=假

如果為 True，則返回 (data, target) 而不是 Bunch 對象。有關data 和target 對象的更多信息，請參見下文。

as_frame：布爾，默認=假

如果為 True，則數據是 pandas DataFrame，包括具有適當數據類型(數字)的列。目標是 pandas DataFrame 或 Series，具體取決於目標列的數量。如果 return_X_y 為 True，則 ( data , target ) 將是 pandas DataFrames 或 Series，如下所述。

返回：

data：sklearn.utils.Bunch

類似字典的對象，具有以下屬性。

數據：{ndarray, dataframe} 形狀 (150, 4)

數據矩陣。如果as_frame=True，data將是一個pandas DataFrame。

目標：{ndarray, Series} 形狀 (150,)

分類目標。如果as_frame=True，target將是一個pandas係列。

feature_names：列表

數據集列的名稱。

target_names：列表

目標類的名稱。

框架：DataFrame 形狀 (150, 5)

僅在 as_frame=True 時出現。 DataFrame 與 data 和 target 。

說明：str

數據集的完整說明。

文件名：str

數據位置的路徑。

(data, target)：如果return_X_y 為真，則為元組

兩個 ndarray 的元組。第一個包含形狀為 (n_samples, n_features) 的二維數組，每行代表一個樣本，每列代表特征。包含目標樣本的第二個形狀 (n_samples,) 的 ndarray。

注意：

例子：

假設您對樣本 10、25 和 50 感興趣，並且想知道它們的類名。

>>> 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']