how-to-load-data-in-python-with-scikit-learn.md

如何使用 Python 和 Scikit-Learn 加载数据

原文： https://machinelearningmastery.com/how-to-load-data-in-python-with-scikit-learn/

在构建机器学习模型之前，需要将数据加载到内存中。

在这篇文章中，您将了解如何使用 scikit-learn 在 Python 中加载机器学习数据。

• 更新 March / 2018 ：添加了备用链接以下载数据集，因为原始图像已被删除。

加载 CSV 数据 照片由 Jim Makos 拍摄，保留一些权利

打包数据集

scikit-learn 库与数据集打包在一起。在您自己的工作中使用它们之前，这些数据集对于获取给定的机器学习算法或库功能非常有用。

该秘籍演示了如何加载着名的鸢尾花数据集。

Load the packaged iris flowers dataset Python

# Load the packaged iris flowers dataset
# Iris flower dataset (4x150, reals, multi-label classification)
iris = load_iris()
print(iris)

从 CSV 加载

在本地工作站或远程服务器上将数据集作为 CSV 文件非常常见。

此秘籍向您展示如何从 URL 加载 CSV 文件，在这种情况下来自 UCI 机器学习库的 Pima 印第安人糖尿病分类数据集（更新：从此处下载）。

从准备好的 X 和 y 变量，您可以训练机器学习模型。

Load the Pima Indians diabetes dataset from CSV URL Python

# Load the Pima Indians diabetes dataset from CSV URL
import numpy as np
import urllib
# URL for the Pima Indians Diabetes dataset (UCI Machine Learning Repository)
url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv"
# download the file
raw_data = urllib.urlopen(url)
# load the CSV file as a numpy matrix
dataset = np.loadtxt(raw_data, delimiter=",")
print(dataset.shape)
# separate the data from the target attributes
X = dataset[:,0:7]
y = dataset[:,8]

摘要

在这篇文章中，您发现 scikit-learn 方法附带打包数据集，包括虹膜花数据集。这些数据集可以轻松加载并用于探索和试验不同的机器学习模型。

您还了解了如何使用 scikit-learn 加载 CSV 数据。您学习了一种使用 urllib 库从 Web 打开 CSV 文件的方法，以及如何将该数据作为 NumPy 矩阵读取以用于 scikit-learn。