获取KDD Cup 99数据集#

sklearn.datasets.fetch_kddcup99(*, subset=None, data_home=None, shuffle=False, random_state=None, percent10=True, download_if_missing=True, return_X_y=False, as_frame=False, n_retries=3, delay=1.0)[源代码]#

加载KDD Cup 99数据集（分类）。

必要时下载。

类别

23

样本总数

4898431

维度

41

特征

离散型（整数）或连续型（浮点数）

在用户指南中了解更多信息。

在0.18版本中添加。

参数：
subset{‘SA’, ‘SF’, ‘http’, ‘smtp’}, 默认值=None

返回KDD Cup 99对应的经典子集。如果为None，则返回整个KDD Cup 99数据集。

data_homestr 或 path-like 对象, 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。

在0.19版本中添加。

shufflebool, 默认值=False

是否打乱数据集。

random_stateint, RandomState 实例或 None, 默认值=None

确定数据集混洗的随机数生成以及如果subset='SA'则选择异常样本。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。

percent10bool, 默认值=True

是否只加载10%的数据。

download_if_missingbool, 默认值=True

如果为False，则如果数据在本地不可用，则引发OSError异常，而不是尝试从源站点下载数据。

return_X_ybool, 默认值=False

如果为True，则返回(data, target)而不是Bunch对象。有关data和target对象的更多信息，请参见下文。

在0.20版本中添加。

as_framebool, 默认值=False

如果为True，则为返回的Bunch对象中的data和target对象返回pandas DataFrame；Bunch返回对象也将具有frame成员。

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：
dataBunch

类似字典的对象，具有以下属性。

data{ndarray, dataframe} 形状为 (494021, 41)

要学习的数据矩阵。如果as_frame=True，data将是pandas DataFrame。

target{ndarray, series} 形状为 (494021,)

每个样本的回归目标。如果as_frame=True，target将是pandas Series。

framedataframe 形状为 (494021, 42)

仅当as_frame=True时存在。包含data和target。

DESCRstr

数据集的完整描述。

feature_nameslist

数据集列的名称

target_names: list

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，其中每一行表示一个样本，每一列表示特征。第二个形状为(n_samples,)的ndarray包含目标样本。

在0.20版本中添加。