- 学习资料:
- 相关代码
- 更多可用数据 网址
今天来看 Sklearn 中的 data sets，很多而且有用，可以用来学习算法模型。
eg: boston 房价, 糖尿病, 数字, Iris 花。
也可以生成虚拟的数据，例如用来训练线性回归模型的数据，可以用函数来生成。
例如，点击进入 boston 房价的数据，可以看到 sample 的总数，属性，以及 label 等信息。
如果是自己生成数据，按照函数的形式，输入 sample，feature，target 的个数等等。
sklearn.datasets.make_regression(n_samples=100, n_features=100, n_informative=10, n_targets=1, bias=0.0, effective_rank=None, tail_strength=0.5, noise=0.0, shuffle=True, coef=False, random_state=None)[source]接下来用代码练习一下。
本文结构：
- [导入模块]
- [导入数据－训练模型]
- [创建虚拟数据－可视化]
<h4 id="pkg">导入模块</h4>
导入 datasets 包，本文以 Linear Regression 为例。
from __future__ import print_function
from sklearn import datasets
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt<h4 id="data">导入数据－训练模型</h4>
用 datasets.load_boston() 的形式加载数据，并给 X 和 y 赋值，这种形式在 Sklearn 中都是高度统一的。
loaded_data = datasets.load_boston()
data_X = loaded_data.data
data_y = loaded_data.target定义模型。
可以直接用默认值去建立 model，默认值也不错，也可以自己改变参数使模型更好。
然后用 training data 去训练模型。
model = LinearRegression()
model.fit(data_X, data_y)再打印出预测值，这里用 X 的前 4 个来预测，同时打印真实值，作为对比，可以看到是有些误差的。
print(model.predict(data_X[:4, :]))
print(data_y[:4])
“”“
[ 30.00821269 25.0298606 30.5702317 28.60814055]
[ 24. 21.6 34.7 33.4]
”“”为了提高准确度，可以通过尝试不同的 model，不同的参数，不同的预处理等方法，入门的话可以直接用默认值。
<h4 id="vision">创建虚拟数据－可视化</h4>
下面是创造数据的例子。
用函数来建立 100 个 sample，有一个 feature，和一个 target，这样比较方便可视化。
X, y = datasets.make_regression(n_samples=100, n_features=1, n_targets=1, noise=10)用 scatter 的形式来输出结果。
plt.scatter(X, y)
plt.show()
可以看到用函数生成的 Linear Regression 用的数据。
noise 越大的话，点就会越来越离散，例如 noise 由 10 变为 50.
X, y = datasets.make_regression(n_samples=100, n_features=1, n_targets=1, noise=50)
plt.scatter(X, y)
plt.show()
