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）。

鸢尾花数据集是一个经典且非常简单的多类别分类数据集。

类别	3
每类样本数	50
样本总数	150
维度	4
特征	实数，正数

在用户指南中阅读更多内容。

0.20 版本中的变化: 根据 Fisher 的论文修正了两个错误的数据点。新版本与 R 中的版本相同，但与 UCI 机器学习库中的版本不同。

参数:

return_X_y布尔值, 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，请参阅下文。

0.18 版本新增。
as_frame布尔值, 默认为 False: 如果为 True，则数据为 pandas DataFrame，包含具有适当数据类型（数值）的列。目标是一个 pandas DataFrame 或 Series，具体取决于目标列的数量。如果 return_X_y 为 True，则 (data, target) 将是如下所述的 pandas DataFrame 或 Series。

0.23 版本新增。

返回:

dataBunch

类字典对象，具有以下属性。

data{ndarray, dataframe} 形状为 (150, 4): 数据矩阵。如果 as_frame=True，则 data 将是一个 pandas DataFrame。
target: {ndarray, Series} 形状为 (150,): 分类目标。如果 as_frame=True，则 target 将是一个 pandas Series。
feature_names: 列表: 数据集列的名称。
target_names: ndarray 形状为 (3, ): 目标类别的名称。
frame: DataFrame 形状为 (150, 5): 仅当 as_frame=True 时存在。包含 data 和 target 的 DataFrame。

0.23 版本新增。
DESCR: 字符串: 数据集的完整描述。
filename: 字符串: 数据所在位置的路径。

0.20 版本新增。

(data, target)如果 return_X_y 为 True，则为元组

一个包含两个 ndarray 的元组。第一个包含一个形状为 (n_samples, n_features) 的二维数组，其中每行代表一个样本，每列代表特征。第二个 ndarray 的形状为 (n_samples,)，包含目标样本。

0.18 版本新增。

示例

假设您对样本 10、25 和 50 感兴趣，并想知道它们的类别名称。

>>> from sklearn.datasets import load_iris
>>> data = load_iris()
>>> data.target[[10, 25, 50]]
array([0, 0, 1])
>>> list(data.target_names)
[np.str_('setosa'), np.str_('versicolor'), np.str_('virginica')]