1、數據集：

數據集都是2維的，第一維度是“樣本維”，第二維度是“特征維”。

>>> from sklearn import datasets >>> iris = datasets.load_iris() >>> data = iris.data >>> data.shape (150, 4) 說明有150個樣本，每個樣本由4個特征描述。

如果原始數據不是?(m_samples,?n_features)的形狀，在使用scekit-learn之前需要預處理成2維的，常見的是圖片數據處理：

>>> digits = datasets.load_digits() >>> digits.images.shape (1797, 8, 8) 將每個8*8維的圖像轉換為feature長度為64的數據：

>>> data = digits.images.reshape((digits.images.shape[0], -1))

2、預測器：

預測器從數據集中學習，構建預測模型。

所有預測器使用fit方法從2維數據集中學習，構建模型：

>>> estimator.fit(trainData) 預測器構建好預測模型后，通過predict方法對未知數據集進行預測（分類、回歸、聚類等等）：

>>> estimator.predict(textData)

當然，也可以查看預測器構建的預測模型的一些參數：

>>> estimator.estimated_param_

總結

以上是生活随笔為你收集整理的scikit-learn学习笔记（一）快速入门数据集格式和预测器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。