获取覆盖类型数据集#

sklearn.datasets.fetch_covtype(*, data_home=None, download_if_missing=True, random_state=None, shuffle=False, return_X_y=False, as_frame=False, n_retries=3, delay=1.0)[source]#

加载覆盖类型数据集（分类）。

如有必要，下载它。

类别

7

样本总数

581012

维度

54

特征

整数

在用户指南中了解更多信息。

参数：
data_homestr 或路径类型，默认值=None

指定数据集的另一个下载和缓存文件夹。默认情况下，所有 scikit-learn 数据都存储在 ‘~/scikit_learn_data’ 子文件夹中。

download_if_missingbool，默认值=True

如果为 False，如果数据不在本地可用，则引发 OSError，而不是尝试从源站点下载数据。

random_stateint、RandomState 实例或 None，默认值=None

确定数据集混洗的随机数生成。传递一个整数以在多次函数调用中获得可重复的输出。参见词汇表。

shufflebool，默认值=False

是否混洗数据集。

return_X_ybool，默认值=False

如果为 True，则返回(data.data, data.target)而不是 Bunch 对象。

在 0.20 版本中添加。

as_framebool，默认值=False

如果为 True，则数据是一个 pandas DataFrame，其中包含具有适当数据类型（数值型）的列。目标是 pandas DataFrame 或 Series，具体取决于目标列的数量。如果return_X_y为 True，则 (data, target) 将如下所述为 pandas DataFrames 或 Series。

在 0.24 版本中添加。

n_retriesint，默认值=3

遇到 HTTP 错误时的重试次数。

在 1.5 版本中添加。

delayfloat，默认值=1.0

两次重试之间的秒数。

在 1.5 版本中添加。

返回：
datasetBunch

类似字典的对象，具有以下属性。

data形状为 (581012, 54) 的 ndarray

每一行对应数据集中的 54 个特征。

target形状为 (581012,) 的 ndarray

每个值对应 7 种森林覆盖类型中的一种，其值范围为 1 到 7。

frame形状为 (581012, 55) 的数据框

仅当as_frame=True时才出现。包含data和target。

DESCRstr

森林覆盖类型数据集的描述。

feature_names列表

数据集列的名称。

target_names: 列表

目标列的名称。

(data, target)如果return_X_y为 True，则为元组

两个 ndarray 的元组。第一个包含形状为 (n_samples, n_features) 的二维数组，其中每一行代表一个样本，每一列代表特征。第二个形状为 (n_samples,) 的 ndarray 包含目标样本。

在 0.20 版本中添加。

示例

>>> from sklearn.datasets import fetch_covtype
>>> cov_type = fetch_covtype()
>>> cov_type.data.shape
(581012, 54)
>>> cov_type.target.shape
(581012,)
>>> # Let's check the 4 first feature names
>>> cov_type.feature_names[:4]
['Elevation', 'Aspect', 'Slope', 'Horizontal_Distance_To_Hydrology']