load_iris#

sklearn.datasets.load_iris(*, return_X_y=False, as_frame=False)[source]#

加载并返回鸢尾花数据集（分类）。

The iris dataset is a classic and very easy multi-class classification dataset.

类别数	3
每类的样本数	50
样本总数	150
维度	4
特征值范围	real, positive

Read more in the User Guide.

Changed in version 0.20: Fixed two wrong data points according to Fisher’s paper. The new version is the same as in R, but not as in the UCI Machine Learning Repository.

参数:

return_X_ybool, default=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。

版本 0.18 新增。
as_framebool, default=False: 如果为 True，则数据是包含具有相应 dtypes（数字）的列的 pandas DataFrame。目标是 pandas DataFrame 或 Series，具体取决于目标列数。如果 return_X_y 为 True，则 (data, target) 将是如下所述的 pandas DataFrames 或 Series。

0.23 版本新增。

返回:

dataBunch

Dictionary-like object, with the following attributes.

data{ndarray, dataframe} of shape (150, 4): 数据矩阵。如果 as_frame=True，data 将是一个 pandas DataFrame。
target: {ndarray, Series} of shape (150,): 分类目标。如果 as_frame=True，target 将是一个 pandas Series。
feature_names: list: 数据集列的名称。
target_names: ndarray of shape (3, ): The names of target classes.
frame: DataFrame of shape (150, 5): 仅当 as_frame=True 时存在。包含 data 和 target 的 DataFrame。

0.23 版本新增。
DESCR: str: The full description of the dataset.
filename: str: The path to the location of the data.

0.20 版本新增。

(data, target)tuple if return_X_y is True

包含两个 ndarray 的元组。第一个包含一个形状为 (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 ndarray 的形状为 (n_samples,)，包含目标样本。

版本 0.18 新增。

示例

Let’s say you are interested in the samples 10, 25, and 50, and want to know their class name.

>>> from sklearn.datasets import load_iris
>>> data = load_iris()
>>> samples = [10, 25, 50]
>>> data.target[samples]
array([0, 0, 1])
>>> data.target_names[data.target[samples]]
array(['setosa', 'setosa', 'versicolor'], dtype='<U10')