faces_data_bunch = people = fetch_lfw_people(data_home = "C:\\Users\\Administrator\\Desktop\\face",download_if_missing=False,min_faces_per_person=70, resize=0.4) print(faces_data_bunch.target_names) print(faces_data_bunch.data.shape) print(faces_data_bunch.images.shape) print(faces_data_bunch.target.shape) # 输出同一个人的人脸 n = 5 tt = 0 t = faces_data_bunch.target[0] print("输出的人脸都属于：",faces_data_bunch.target_names[faces_data_bunch.target[0]]) f = plt.figure() for i in range(faces_data_bunch.target.shape[0]): if faces_data_bunch.target[i] == t: f.add_subplot(1, n, tt + 1) plt.imshow(faces_data_bunch.images[i]) tt = tt+1 if(tt>=n): break plt.show(block=True)

这段代码是用于获取人脸数据集的，其中数据存放在指定路径下的 "C:\\Users\\Administrator\\Desktop\\face" 文件夹中。数据集只包含每个人脸出现次数超过 70 次的人，并且将图片缩小到原大小的 0.4 倍。输出结果包含该数据集的人名、数据数量、图片数量和目标数量等信息。

相关问题

lfw_people = fetch_lfw_people(data_home='/home/user/lfw/lfw_funneled', min_faces_per_person=100)使用是出现urllib.error.HTTPError: HTTP Error 403: Forbidden

这个错误通常是由于访问权限不足导致的。HTTP错误403表示服务器理解请求客户端的请求，但是拒绝执行此请求。由于 fetch_lfw_people() 函数是从网络上获取数据集，所以很可能是数据集的服务器禁止了你的访问。

解决方法如下：

1. 确认数据集的下载地址是否正确，确保该地址可在浏览器中访问。
2. 尝试在浏览器中打开数据集的下载地址，查看是否需要登录或者验证身份。
3. 如果需要登录或者验证身份，可以尝试登录后再次尝试。
4. 如果仍然无法下载数据集，可以尝试使用代理或者伪装User-Agent进行访问。
5. 如果以上方法均无法解决问题，可以联系数据集提供者或者寻求其他可靠数据源。

需要注意的是，为了避免不必要的麻烦，我们应该尊重数据集提供者的规定，不要进行不合法的下载行为。

为什么下载到完整的lfwfunneded.tgz文件。 并把这个文件复制到/Users/your_name/scikit_learn_data/lfw_home/ 下面dataset = fetch_lfw_people(min_faces_per_person=100就可以运行

这是因为 `fetch_lfw_people()` 函数需要从本地文件中加载数据集，而数据集文件通常很大，从网络上直接下载需要较长的时间。为了方便用户使用，Scikit-learn提供了将数据集文件预先下载到本地的功能，用户只需要将数据集文件放到指定的位置即可。

具体来说，`fetch_lfw_people()` 函数会首先检查本地是否已经存在数据集文件，如果存在则直接加载数据集，否则会从网络上下载数据集文件并保存到指定的位置。因此，当我们手动下载数据集文件并将其放到指定的位置后，就可以直接使用`fetch_lfw_people()` 函数加载数据集了，无需再从网络上下载。

需要注意的是，`fetch_lfw_people()` 函数在加载数据集时需要指定数据集文件的路径，即 `data_home` 参数。在上述代码中，我们将数据集文件复制到了 `/Users/your_name/scikit_learn_data/lfw_home/` 目录下，并将 `data_home` 参数设置为该目录的路径，这样就可以成功加载数据集了。