sklearn.datasets的用法

sklearn.datasets是scikit-learn提供的数据集接口，包含一些常用的数据集，方便用户进行机器学习的实验和研究。下面是一些常用的用法：

1. 加载数据集：

from sklearn.datasets import load_iris
iris = load_iris()

2. 查看数据集的属性：

data = iris.data  # 数据
target = iris.target  # 标签
feature_names = iris.feature_names  # 属性名
target_names = iris.target_names  # 标签名

3. 划分数据集：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.3, random_state=42)

4. 生成随机数据集：

from sklearn.datasets import make_classification
X, y = make_classification(n_samples=100, n_features=10, n_classes=2, random_state=42)

5. 加载其他数据集：

from sklearn.datasets import load_boston, load_digits, fetch_20newsgroups
boston = load_boston()  # 波士顿房价数据集
digits = load_digits()  # 手写数字数据集
newsgroups = fetch_20newsgroups()  # 新闻分类数据集

总之，sklearn.datasets提供了很多方便的数据集接口，可以帮助我们快速进行机器学习实验和研究。