机器学习基础第四天

北京最大的白癜风医院 https://wapyyk.39.net/hospital/89ac7_comments.html

scikit-learn数据集

我们将介绍sklearn中的数据集类，模块包括用于加载数据集的实用程序，包括加载和获取流行参考数据集的方法。它还具有一些人工数据生成器。

sklearn.datasets#

（1）datasets.load_*()

获取小规模数据集，数据包含在datasets里

（2）datasets.fetch_*()

获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录，默认是~/scikit_learn_data/，要修改默认目录，可以修改环境变量SCIKIT_LEARN_DATA

（3）datasets.make_*()

本地生成数据集

load*和fetch*函数返回的数据类型是datasets.base.Bunch，本质上是一个dict，它的键值对可用通过对象的属性方式访问。主要包含以下属性：

data：特征数据数组，是n_samples*n_features的二维numpy.ndarray数组

target：标签数组，是n_samples的一维numpy.ndarray数组

DESCR：数据描述

feature_names：特征名

target_names：标签名

数据集目录可以通过datasets.get_data_home()获取，clear_data_home(data_home=None)删除所有下载数据

datasets.get_data_home(data_home=None)

返回scikit学习数据目录的路径。这个文件夹被一些大的数据集装载器使用，以避免下载数据。默认情况下，数据目录设置为用户主文件夹中名为“scikit_learn_data”的文件夹。或者，可以通过“SCIKIT_LEARN_DATA”环境变量或通过给出显式的文件夹路径以编程方式设置它。"符号扩展到用户主文件夹。如果文件夹不存在，则会自动创建。

sklearn.datasets.clear_data_home(data_home=None)

删除存储目录中的数据

获取小数据集#

用于分类

sklearn.datasets.load_iris

数据的分类与划分

数据集返回的类型#

load和fetch返回的数据类型datasets.base.Bunch（字典格式）

data:特征数据数组，是[n_samples*n_features]的二维numpy.ndarray数组

target:标签数组，是n_samples的一维numpy.ndarray数组

DESCR:数据描述

feature_names:特征名,新闻数据，手写数字、回归数据集没有

target_names:标签名,回归数据集没有

分类数据集#

鸢尾花数据集#

然后当n=3时的情况就是示例中给的那几种

找找有什么规律

当n=3且使用1为头节点时，其右子树的布局和n=2时的布局是一样的（注意看1-2、2-1和3-2、2-3的方向，是不是一样的，数值不同没有影响）

当n=3且使用2为头节点时，其左右子树布局和n=1时的布局是一样的（n=1是左右子树为空，也算1种情况）

当n=3且使用3为头节点时，其左子树的布局和n=2时的布局是一样的

某种程度上，n=3的二叉搜索树种类情况可以由n=2以及n=1推导出来

因此，n=3时，二叉搜索树种类=头节点为1时的情况+头节点为2时的情况+头节点为3时的情况，来组成

即,头1+头2+头3

公式描述

接下来分析不同头节点时的情况

从图中可以看出，头节点为1时有：