scikit-learn如何读取数据集

scikit-learn是一个广泛使用的Python机器学习库，它提供了许多实用的功能，包括数据预处理、模型选择和评估等。读取数据集通常是数据分析的第一步。在scikit-learn中，你可以通过以下几种常见的方式加载数据：

1. **内置数据**：scikit-learn提供了一些内置的数据集，可以直接通过`sklearn.datasets`模块获取，如鸢尾花（Iris）数据集、波士顿房价数据集等。例如：

   from sklearn.datasets import load_iris
   iris = load_iris()

2. **CSV文件**：可以使用`pandas`库先加载CSV文件，然后转换成适合scikit-learn的数据格式，如DataFrame：

   import pandas as pd
   df = pd.read_csv('data.csv')
   X = df.drop('target', axis=1)  # 特征
   y = df['target']               # 目标变量

3. **其他文件格式**：如果数据存储在其他格式（如Excel、ARFF、JSON等），可以先使用对应的库（如`pandas`、`numpy.savetxt`或第三方库`joblib`）将数据加载到内存。

4. **自定义数据加载**：如果你的数据存储在一个定制的数据结构或其他地方，需要编写函数来读取并转换数据。

记住在使用完数据后，通常会将其拆分为训练集和测试集：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)