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）。

Download it if necessary.

类别数

23

样本总数

4898431

维度

41

特征值范围

离散（int）或连续（float）

在用户指南中了解更多信息。

版本 0.18 新增。

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

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

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。

Added in version 0.19.

shufflebool, default=False

是否打乱数据集。

random_stateint, RandomState instance or None, default=None

确定数据集打乱的随机数生成，以及如果 subset='SA' 时异常样本选择的随机数生成。传入一个 int 以在多次函数调用中获得可重现的输出。请参阅词汇表。

percent10bool, default=True

是否只加载 10% 的数据。

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.

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。

0.20 版本新增。

as_framebool, default=False

如果为 True，则返回的 Bunch 对象中的 data 和 target 对象将是 pandas Dataframe；Bunch 返回对象还将有一个 frame 成员。

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:
dataBunch

Dictionary-like object, with the following attributes.

data{ndarray, dataframe} of shape (494021, 41)

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

target{ndarray, series} of shape (494021,)

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

framedataframe of shape (494021, 42)

仅当 as_frame=True 时存在。包含 data 和 target。

DESCRstr

The full description of the dataset.

feature_nameslist

数据集列的名称

target_names: list

目标列的名称

(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。

0.20 版本新增。