fetch_covtype#
- 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)[源代码]#
加载 covertype 数据集（分类）。
Download it if necessary.
类别数
7
样本总数
581012
维度
54
特征值范围
int
在 用户指南 中阅读更多内容。
- 参数:
- 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。
- 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.
- random_stateint, RandomState instance or None, default=None
Determines random number generation for dataset shuffling. Pass an int for reproducible output across multiple function calls. See Glossary.
- shufflebool, default=False
是否打乱数据集。
- return_X_ybool, default=False
If True, returns
(data.data, data.target)instead of a Bunch object.0.20 版本新增。
- 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。0.24 版本新增。
- 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:
- dataset
Bunch Dictionary-like object, with the following attributes.
- 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 种森林覆盖类型之一，取值范围在 1 到 7 之间。
- frame形状为 (581012, 55) 的 dataframe
仅当
as_frame=True时存在。包含data和target。- DESCRstr
森林覆盖类型数据集的描述。
- feature_nameslist
数据集列的名称。
- target_names: list
The names of the target columns.
- (data, target)tuple if
return_X_yis 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。
0.20 版本新增。
- dataset
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']
