Skip to main content
 首页 » 编程设计

python之如何使用 scikit-learn 创建我自己的数据集

2025年02月15日8zhwl

我想创建自己的数据集,并在 scikit-learn 中使用它。 Scikit-learn 有一些数据集,例如“The Boston Housing Dataset”(.csv),用户可以通过以下方式使用它:

from sklearn import datasets  
boston = datasets.load_boston() 

下面的代码可以得到这个数据集的data和target:

X = boston.data 
y = boston.target 

问题是如何创建我自己的数据集并以这种方式使用? 感谢任何答案,谢谢!

请您参考如下方法:

这里有一个快速而肮脏的方法来实现你的意图:

my_datasets.py

import numpy as np 
import csv 
from sklearn.utils import Bunch 
 
def load_my_fancy_dataset(): 
    with open(r'my_fancy_dataset.csv') as csv_file: 
        data_reader = csv.reader(csv_file) 
        feature_names = next(data_reader)[:-1] 
        data = [] 
        target = [] 
        for row in data_reader: 
            features = row[:-1] 
            label = row[-1] 
            data.append([float(num) for num in features]) 
            target.append(int(label)) 
         
        data = np.array(data) 
        target = np.array(target) 
    return Bunch(data=data, target=target, feature_names=feature_names) 

my_fancy_dataset.csv

feature_1,feature_2,feature_3,class_label 
5.9,1203,0.69,2 
7.2,902,0.52,0 
6.3,143,0.44,1 
-2.6,291,0.15,1 
1.8,486,0.37,0 

演示

In [12]: import my_datasets 
 
In [13]: mfd = my_datasets.load_my_fancy_dataset() 
 
In [14]: X = mfd.data 
 
In [15]: y = mfd.target 
 
In [16]: X 
Out[16]:  
array([[ 5.900e+00,  1.203e+03,  6.900e-01], 
       [ 7.200e+00,  9.020e+02,  5.200e-01], 
       [ 6.300e+00,  1.430e+02,  4.400e-01], 
       [-2.600e+00,  2.910e+02,  1.500e-01], 
       [ 1.800e+00,  4.860e+02,  3.700e-01]]) 
 
In [17]: y 
Out[17]: array([2, 0, 1, 1, 0]) 
 
In [18]: mfd.feature_names 
Out[18]: ['feature_1', 'feature_2', 'feature_3']