load_diabetes#

sklearn.datasets.load_diabetes(*, return_X_y=False, as_frame=False, scaled=True)[source]#

加载并返回糖尿病数据集（回归）。

样本总数	442
维度	10
特征值范围	实数，-.2 < x < .2
目标值	整数 25 - 346

注意

由于原始数据集的文档并不明确，每个特征（即 feature_names）的含义可能不清楚（特别是对于 ltg）。我们提供了关于该研究领域科学文献中被认为是正确的信息。

请在用户指南中阅读更多内容。

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。
scaledbool, 默认=True: 如果为 True，则对特征变量进行均值中心化，并除以标准差乘以 n_samples 的平方根来进行缩放。如果为 False，则返回特征变量的原始数据。

版本 1.1 中新增。

返回:

dataBunch

Dictionary-like object, with the following attributes.

data{ndarray, dataframe}，形状为 (442, 10): 数据矩阵。如果 as_frame=True，data 将是一个 pandas DataFrame。
target: {ndarray, Series}，形状为 (442,): 回归目标值。如果 as_frame=True，target 将是一个 pandas Series。
feature_names: list: 数据集列的名称。
frame: DataFrame，形状为 (442, 11): 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.
data_filename: str: The path to the location of the data.
target_filename: str: 目标数据所在位置的路径。

(data, target)tuple if return_X_y is True

一个包含两个 ndarray 的元组。第一个是形状为 (442, 10) 的 2D ndarray，每一行代表一个样本，列代表特征。第二个是形状为 (442,) 的 ndarray，包含目标样本。如果 as_frame=True，两个数组都将是 pandas 对象，即 X 是一个 dataframe，y 是一个 series。

版本 0.18 新增。

示例

>>> from sklearn.datasets import load_diabetes
>>> diabetes = load_diabetes()
>>> diabetes.target[:3]
array([151.,  75., 141.])
>>> diabetes.data.shape
(442, 10)