获取 Olivetti 人脸#

sklearn.datasets.fetch_olivetti_faces(*, data_home=None, shuffle=False, random_state=0, download_if_missing=True, return_X_y=False, n_retries=3, delay=1.0)[source]#

从AT&T加载Olivetti人脸数据集（分类）。

如有必要，下载数据集。

类别数

40

样本总数

400

维度

4096

特征

实数，介于0和1之间

更多信息请参见用户指南。

参数：
data_homestr 或 path-like 对象，默认为None

指定数据集的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。

shufflebool，默认为False

如果为True，则打乱数据集的顺序，以避免同一人的图像分组。

random_stateint、RandomState 实例或 None，默认为0

确定数据集混洗的随机数生成。传递一个整数以在多次函数调用中获得可重复的输出。参见术语表。

download_if_missingbool，默认为True

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

return_X_ybool，默认为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，请参见下文。

版本0.22中新增。

n_retriesint，默认为3

遇到HTTP错误时的重试次数。

版本1.5中新增。

delayfloat，默认为1.0

两次重试之间的秒数。

版本1.5中新增。

返回值：
dataBunch

字典类对象，具有以下属性。

data: ndarray，形状 (400, 4096)

每一行对应于原始大小为64 x 64像素的展开人脸图像。

imagesndarray，形状 (400, 64, 64)

每一行都是对应于数据集40个对象之一的人脸图像。

targetndarray，形状 (400,)

与每个人脸图像相关的标签。这些标签的范围是0-39，对应于对象ID。

DESCRstr

修改后的Olivetti人脸数据集的描述。

(data, target)如果return_X_y=True，则为元组

包含上面描述的data和target对象的元组。

版本0.22中新增。

示例

>>> from sklearn.datasets import fetch_olivetti_faces
>>> olivetti_faces = fetch_olivetti_faces()
>>> olivetti_faces.data.shape
(400, 4096)
>>> olivetti_faces.target.shape
(400,)
>>> olivetti_faces.images.shape
(400, 64, 64)