fetch_kddcup99#

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)[source]#

加载 kddcup99 数据集（分类）。

如果需要，下载它。

类别

23

样本总数

4898431

维度

41

特征

离散（整型）或连续（浮点型）

在用户指南中阅读更多内容。

在 0.18 版本中新增。

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

返回 kddcup 99 的相应经典子集。如果为 None，则返回整个 kddcup 99 数据集。

data_homestr 或路径类对象，默认值=None

为数据集指定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 版本中新增。

shuffle布尔值，默认值=False

是否打乱数据集。

random_state整型、RandomState 实例或 None，默认值=None

确定数据集洗牌和选择异常样本（如果 subset='SA'）的随机数生成。传递一个整型值可确保在多次函数调用中输出可重现。请参阅术语表。

percent10布尔值，默认值=True

是否只加载 10% 的数据。

download_if_missing布尔值，默认值=True

如果为 False，则在数据在本地不可用时引发 OSError，而不是尝试从源站点下载数据。

return_X_y布尔值，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，请参阅下文。

在 0.20 版本中新增。

as_frame布尔值，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 返回对象还将包含一个 frame 成员。

在 0.24 版本中新增。

n_retries整型，默认值=3

遇到 HTTP 错误时的重试次数。

在 1.5 版本中新增。

delay浮点型，默认值=1.0

每次重试之间的秒数。

在 1.5 版本中新增。

返回:
dataBunch

类字典对象，具有以下属性。

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

用于学习的数据矩阵。如果 as_frame=True，则 data 将是一个 pandas DataFrame。

target{ndarray, series}，形状为 (494021,)

每个样本的回归目标。如果 as_frame=True，则 target 将是一个 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_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

一个由两个 ndarray 组成的元组。第一个包含一个形状为 (n_samples, n_features) 的 2D 数组，其中每行代表一个样本，每列代表特征。第二个是形状为 (n_samples,) 的 ndarray，包含目标样本。

在 0.20 版本中新增。