load_wine#

sklearn.datasets.load_wine(*, return_X_y=False, as_frame=False)[источник]#

Загрузить и вернуть набор данных wine (классификация).

Добавлено в версии 0.18.

Набор данных wine — это классический и очень простой набор данных для многоклассовой классификации.

Классы

3

Примеров на класс

[59,71,48]

Всего образцов

178

Снижение размерности

13

Признаки

действительное, положительное

Копия набора данных UCI ML Wine Data Set загружена и изменена для соответствия стандартному формату из: https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data

Подробнее в Руководство пользователя.

Параметры:
return_X_ybool, по умолчанию=False

Если True, возвращает (data, target) вместо объекта Bunch. См. ниже для получения дополнительной информации о data и target объект.

as_framebool, по умолчанию=False

Если True, данные представляют собой pandas DataFrame, включающий столбцы с соответствующими типами данных (числовые). Цель — pandas DataFrame или Series в зависимости от количества целевых столбцов. Если return_X_y равно True, тогда (data, target) будут pandas DataFrame или Series, как описано ниже.

Добавлено в версии 0.23.

Возвращает:
данныеBunch

Объект, подобный словарю, со следующими атрибутами.

данные{ndarray, dataframe} формы (178, 13)

Матрица данных. Если as_frame=True, data будет pandas DataFrame.

target: {ndarray, Series} формы (178,)

Целевая переменная классификации. Если as_frame=True, target будет pandas Series.

feature_names: list

Имена столбцов набора данных.

target_names: список

Имена целевых классов.

frame: DataFrame формы (178, 14)

Только присутствует, когда as_frame=TrueМы определяем функцию для загрузки данных из data и target.

Добавлено в версии 0.23.

DESCR: str

Полное описание набора данных.

(data, target)кортеж если return_X_y равно True

Кортеж из двух ndarrays по умолчанию. Первый содержит 2D массив формы (178, 13), где каждая строка представляет один образец, а каждый столбец представляет признаки. Второй массив формы (178,) содержит целевые образцы.

Примеры

Допустим, вас интересуют образцы 10, 80 и 140, и вы хотите узнать их название класса.

>>> from sklearn.datasets import load_wine
>>> data = load_wine()
>>> data.target[[10, 80, 140]]
array([0, 1, 2])
>>> list(data.target_names)
[np.str_('class_0'), np.str_('class_1'), np.str_('class_2')]
На этой странице