fetch_lfw_pairs#

sklearn.datasets.fetch_lfw_pairs(*, subset='train', data_home=None, funneled=True, resize=0.5, color=False, slice_=(slice(70, 195, None), slice(78, 172, None)), download_if_missing=True, n_retries=3, delay=1.0)[source]#

加载 Labeled Faces in the Wild (LFW) 对数据集（分类）。

Download it if necessary.

类别数

2

样本总数

13233

维度

5828

特征值范围

实数，介于 0 和 255 之间

在原始论文中，“配对”版本对应于“受限任务”，其中实验者不应使用人名来推断训练集中未明确给出的两张人脸图像是否等效。

原始图像为 250 x 250 像素，但默认的切片和缩放参数会将其缩小至 62 x 47。

在用户指南中阅读更多内容。

参数:
subset{‘train’, ‘test’, ‘10_folds’}，默认=’train’

选择要加载的数据集：“train”用于开发训练集，“test”用于开发测试集，“10_folds”用于旨在与 10 折交叉验证一起使用的官方评估集。

data_homestr or path-like, default=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。

funneledbool, 默认=True

下载并使用数据集的漏斗（funneled）版本。

resizefloat, 默认=0.5

用于调整每张人脸图像大小的比例。

colorbool, 默认=False

保留 3 个 RGB 通道，而不是将它们平均为一个灰度通道。如果 color 为 True，则数据的形状比 color = False 时的形状多一个维度。

slice_tuple of slice, 默认=(slice(70, 195), slice(78, 172))

提供自定义的 2D 切片（高度，宽度）以提取 jpeg 文件中“有趣”的部分，并避免使用背景中的统计相关性。

download_if_missingbool, default=True

If False, raise an OSError if the data is not locally available instead of trying to download the data from the source site.

n_retriesint, default=3

Number of retries when HTTP errors are encountered.

1.5 版本新增。

delayfloat, default=1.0

Number of seconds between retries.

1.5 版本新增。

返回:
dataBunch

Dictionary-like object, with the following attributes.

data形状为 (2200, 5828) 的 ndarray。形状取决于 subset。

每行对应于 2 张展平（ravel’d）的人脸图像，原始大小为 62 x 47 像素。更改 slice_、resize 或 subset 参数将更改输出的形状。

pairs形状为 (2200, 2, 62, 47) 的 ndarray。形状取决于 subset

每行包含 2 张人脸图像，对应于来自包含 5749 人的数据集中的同一个人或不同人。更改 slice_、resize 或 subset 参数将更改输出的形状。

target形状为 (2200,) 的 numpy 数组。形状取决于 subset。

与每对图像相关的标签。两个标签值是不同的人还是同一个人。

target_names形状为 (2,) 的 numpy 数组

解释 target 数组中的目标值。0 对应于“不同人”，1 对应于“同一个人”。

DESCRstr

Labeled Faces in the Wild (LFW) 数据集的描述。

示例

>>> from sklearn.datasets import fetch_lfw_pairs
>>> lfw_pairs_train = fetch_lfw_pairs(subset='train')
>>> list(lfw_pairs_train.target_names)
[np.str_('Different persons'), np.str_('Same person')]
>>> lfw_pairs_train.pairs.shape
(2200, 2, 62, 47)
>>> lfw_pairs_train.data.shape
(2200, 5828)
>>> lfw_pairs_train.target.shape
(2200,)
在本页