Scikit-learn Python机器学习 - Scikit-learn加载数据集
锋哥原创的Scikit-learn Python机器学习视频教程：
2026版 Scikit-learn Python机器学习 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili
课程介绍
本课程主要讲解基于Scikit-learn的Python机器学习知识，包括机器学习概述，特征工程(数据集，特征抽取，特征预处理，特征降维等)，分类算法(K-临近算法，朴素贝叶斯算法，决策树等)，回归与聚类算法(线性回归，欠拟合，逻辑回归与二分类，K-means算法)等。
Scikit-learn Python机器学习 - Scikit-learn加载数据集
Scikit-learn 数据集 API 概览
Scikit-learn 的数据集接口主要分为三类，对应三种不同的函数：
| 函数类型 | 前缀 | 说明 | 经典示例 |
|---|---|---|---|
| 加载小型数据集 | load_* | 加载内置的、小型标准数据集，无需下载。 | load_iris(), load_digits() |
| 下载大型数据集 | fetch_* | 从网络仓库下载更大、更复杂的数据集。 | fetch_california_housing() |
| 生成人造数据集 | make_* | 根据特定模型生成可控的合成数据集，用于测试。 | make_classification() |
1. 加载小型数据集 (load_*)
这些函数直接返回一个 Bunch 对象，这是一个类似字典的对象，具有以下重要属性：
-
data: 特征数据数组（X） -
target: 标签数组（y） -
feature_names: 特征名称列表 -
target_names: 目标标签名称列表 -
DESCR: 数据集的完整描述 -
filename: 数据文件的路径
示例：加载鸢尾花 (Iris) 数据集
from sklearn.datasets import load_iris
if __name__ == '__main__':# 加载鸢尾花数据集iris = load_iris()print('鸢尾花数据集：', iris)print('数据集描述：', iris['DESCR'])print('特征名称：', iris.feature_names)print('特征数据值：', iris.data)print('特征数据形状：', iris.data.shape)print('目标名称：', iris.target_names)print('目标值：', iris.target)数学知识标准差：
标准差（Standard Deviation，SD），是一个统计学中的专有名词，用于描述数据的离散程度的统计量。标准差也被称为标准偏差，或者实验标准差 。一般而言，标准差越小，表明数据越聚集；标准差越大，表明数据越离散。
离散的概念：
离散在数学和计算机科学中主要指不连续、可分离的元素或结构，与连续相对，常见于离散数学、数据处理等领域。