「作者主頁」：士別三日wyx
「作者簡介」：CSDN top100、阿里云博客專家、華為云享專家、網絡安全領域優質創作者
「推薦專欄」：對網絡安全感興趣的小伙伴可以關注專欄《網絡安全入門到精通》

機器學習是人工智能的一個實現途徑，可以從「數據」中自動分析獲得「模型」，并利用模型對未知數據進行「預測」。

簡單來說就是從歷史數據中總結規律，用來解決新出現的問題。

從數據中總結規律，需要提供一個「數據集」，數據集由「特征值」和「目標值」兩部分組成。

機器學習有很多好用的工具，這里我們使用sekearn。

sklearn是基于Python的機器學習工具包，自帶大量數據集，可供我們練習各種機器學習算法。

二、安裝sklearn

環境要求：

• Python(>=2.7 or >=3.3)
• NumPy (>= 1.8.2)
• SciPy (>= 0.13.3)

先安裝 numpy、scipy，再安裝 scikit-learn

PyCharm左上角【file】-【Settings】-【Project：pythonProject】-【Python Interpreter】

二、獲取數據集

sklearn數據集有有三種「獲取數據」的方式：

• sklearn.datasets.load_*()：小規模數據集（本地加載）
• sklearn.datasets.fetch_*()：大規模數據集（在線下載）
• sklearn.datasets.make_*()：本地生成數據集（本地構造）

sklearn數據集的「返回值」是字典格式：

• data：特征值數據數組
• target：目標值數據數組（標簽）
• target_names：標簽名（目標值和標簽的對應關系）
• DESCR：數據描述
• feature_names：特征名

接下來，我們獲取一個自帶的本地數據集：

from sklearn import datasets# 獲取數據集
iris = datasets.load_iris()
# 打印數據集
print(iris)

輸出：

從輸出結果來看，它返回的數據集是一個字典，里面包含了特征值（data）、目標值（target）等信息。

我們可以調用返回值「屬性」，單獨查看數據集的某個信息：

from sklearn import datasets# 獲取數據集
iris = datasets.load_iris()# 查看數據值
print(iris.data)
# 查看目標值（標簽）
print(iris.target)
# 查看標簽名
print(iris.target_names)
# 查看數據描述
print(iris.DESCR)
# 查看特征名
print(iris.feature_names)

三、數據集劃分

數據集通常會劃分為兩個部分：

• 「訓練數據」：用于訓練，生成模型。
• 「測試數據」：用于檢驗，判斷模型是否有效。

sklearn.model_selection.train_test_split() 用來劃分數據集

參數：

• x：（必選）數組類型，數據集的特征值
• y：（必選）數組類型，數據集的目標值
• test_size：（可選，默認0.25）浮點型，測試集的大小
• random_state：（可選）整型，隨機數種子，不同的隨機數對應不同的采樣結果。

返回值：

• 訓練集特征值、測試集特征值、訓練集目標值、測試集目標值

接下來，我們對剛才獲取的本地數據集進行劃分，測試集大小不給值，就是默認的0.25，意思是25%當做測試數據、剩下的75%當做訓練數據。

from sklearn import datasets
from sklearn import model_selection# 獲取數據集
iris = datasets.load_iris()# 數據集的特征值
data_arr = iris.data
# 數據集的目標值（標簽）
target_arr = iris.targetx_data, y_data, x_target, y_target = model_selection.train_test_split(data_arr, target_arr)
print('訓練集特征值', x_data)
print('測試集特征值', y_data)
print('訓練集目標值', x_target)
print('測試集目標值', y_target)