Feature Engineering

数据集

开源数据集

• Kaggle：https://www.kaggle.com/datasets
• UCI：http://archive.ics.uci.edu/ml/
• scikit-learn：https://scikit-learn.org/stable/datasets

Scikit-learn

Python语言的机器学习工具，文档完善，API丰富。

download

pip install -U scikit-learn

-U 升级已安装的包到最新版

dataset

1. sklearn.datasets

• datasets.load_*() 获取小规模数据集
• datasets.fetch_*(data_home=None,[subset=None]) 从网络上下载大规模数据集

• 表示具体数据集名词，data_home为数据集下载目录，subset表示选择要加载的数据集，可选“train”、“test”、“all”

1. datasets.base.Bunch

load和feth返回值类型：dict

dict[key] = value
bunch.key = value

数据集划分