sklearn數據集的導入及划分

鳶尾花數據集的導入及查看：

①鳶尾花數據集的導入：

from sklearn.datasets import load_iris

②查看鳶尾花數據集：

iris=load_iris()
print("鳶尾花數據集：\n",iris)
print("查看數據集描述：\n", iris.DESCR)
print("查看特征值的名字：\n",iris.feature_names)
print("查看特征數據：\n",iris.data,iris.data.shape)
print("查看目標值名字：\n",iris.target_names)
print("查看目標數據：\n",iris.target)

划分數據集：

①導入train_test_split包：

from sklearn.model_selection import train_test_split

②划分數據集：數據集划分為訓練集和測試集

x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.2)

注：iris.data為數據集的特征值，iris.target為數據集的目標值，test_size為測試值的划分比例（可省，默認為0.25），

　　x_train:訓練集的特征值

　　x_test:測試集的特征值

　　y_train:訓練集的目標值

　　y_test:測試集的特征值

完整代碼：

from sklearn.datasets import load_iris     #導入數據集
from sklearn.model_selection import train_test_split

def datatest():
    # 獲取數據集
    iris=load_iris()
    print("鳶尾花數據集：\n",iris)
    print("查看數據集描述：\n", iris.DESCR)
    print("查看特征值的名字：\n",iris.feature_names)
    print("查看特征數據：\n",iris.data,iris.data.shape)
    print("查看目標值名字：\n",iris.target_names)
    print("查看目標數據：\n",iris.target)

    # 划分數據集
    x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.2)
    print(x_train,x_train.shape)
    print(x_test,x_test.shape)
    print(y_train,y_train.shape)
    print(y_test,y_test.shape)
if __name__ == '__main__':
    datatest()