計算機生成的數據集
用于分類任務和聚類任務，這些函數產生樣本特征向量矩陣以及對應的類別標簽集合。
| 數據集 | 簡介 |
|---|---|
| make_blobs | 多類單標簽數據集，為每個類分配一個或者多個正態分布的點集，提供了控制每個數據點的參數：中心點（均值），標準差，常用于聚類算法。 |
| make_classification | 多類單標簽數據集，為每個類分配了一個或者多個正態分布的點集。提供了為數據集添加噪聲的方式，包括維度相性，無效特征和冗余特征等。 |
| make_gaussian_quantiles | 將一個單高斯分布的點集活粉為兩個數量均等的點集，作為兩類。 |
| make_hastie_10_2 | 產生一個相似的二元分類器數據集，有10個維度。 |
| make_circles/make_moons | 產生二維分類數據集來測試某些算法（e.g.centroid-based clustering或linear classfication）的性能。可以為數據集添加噪聲，可以為二元分類器產生一些球形判決表面的數據。 |
用于多標簽分類任務
| 數據集 | 簡介 |
|---|---|
| make_multilabel_classification | 產生多類多標簽隨機樣本，這些樣本模擬了從很多話題的混合分布中抽取的詞袋模型，每個文檔的話題數量符合泊松分布，話題本身則從一個固定的隨機分布中抽取出來，同樣的，單詞數量也是泊松分布抽取，句子則是從多項式抽取。 |
用于回歸任務的
| 數據集 | 簡介 |
|---|---|
| make_regression | 產生回歸任務的數據集，期望目標輸出是隨機特征的稀疏隨機線性組合，并且附帶有噪聲，它的有用的特征可能是不相關的，或者低秩的（引起目標值的變動的只有少量的集合特征） |
| make_sparse_uncorrelated | 產生四個特征的線性組合（固定參數）作為期望目標輸出 |
| make_friedman1 | 采用了多項式和正弦變換 |
| make_friedman2 | 包含了特征的乘積和互換操作 |
| make_friedman3 | 類似于arctan變換 |
用于流行學習的
| 數據集 | 簡介 |
|---|---|
| make_s_curve | 生成S型曲線數據集 |
| make_swiss_roll | 生成瑞士卷曲線數據集 |
用于因子分解的
| 數據集 | 簡介 |
|---|---|
| make_low_rank_matrix | |
| make_sparse_coded_signal | |
| nake_spd_matrix | 產生的是隨機的堆成的正定矩陣 |
| make_sparse_spd_matrix | 產生的是稀疏的堆成正定矩陣 |
make_blobs()
image
make_classification()
image
make_moons()
image
make_circles()
image
svmlight/libsvm格式的數據集
svmlight/libsvm的每一行樣本的存放格式
<label> <feature-id>:<feature-value> <feature-id>:<feature-value>...
使用下面的方式導入該格式的數據集
X_train, y_train = sklearn.datasets.load_svmlight_file('train.txt')
還可以使用下面的方式將訓練集和測試集一起導入，可以保證X_train和X_test有同樣數目的特征
X_train, y_train, X_test, y_test = sklearn.datasets.load_svmlight_file(('train.txt', 'test.txt'))
