load_digits#

sklearn.datasets.load_digits(*, n_class=10, return_X_y=False, as_frame=False)[source]#

Lädt und gibt den Ziffern Datensatz (Klassifikation) zurück.

Jeder Datenpunkt ist ein 8x8 Bild einer Ziffer.

Klassen	10
Stichproben pro Klasse	~180
Gesamtanzahl Samples	1797
Dimensionalität	64
Merkmale	ganze Zahlen 0-16

Dies ist eine Kopie des Testsets der UCI ML handgeschriebenen Ziffern Datensätze https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

n_classint, Standard=10: Die Anzahl der zurückzugebenden Klassen. Zwischen 0 und 10.
return_X_ybool, Standard=False: Wenn True, wird ein Bunch-Objekt zurückgegeben, das (data, target) enthält. Weitere Informationen zu den Objekten data und target finden Sie unten.

Hinzugefügt in Version 0.18.
as_framebool, default=False: Wenn True, sind die Daten ein pandas DataFrame, einschließlich Spalten mit geeigneten dtypes (numerisch). Das Ziel ist ein pandas DataFrame oder eine Series, abhängig von der Anzahl der Zielspalten. Wenn return_X_y True ist, dann sind (data, target) pandas DataFrames oder Series wie unten beschrieben.

Hinzugefügt in Version 0.23.

Gibt zurück:

dataBunch

Dictionary-ähnliches Objekt mit den folgenden Attributen.

data{ndarray, dataframe} der Form (1797, 64): Die geflattete Datenmatrix. Wenn as_frame=True, ist data ein pandas DataFrame.
target: {ndarray, Series} der Form (1797,): Das Klassifizierungsziel. Wenn as_frame=True, ist target eine pandas Series.
feature_names: list: Die Namen der Datensatzspalten.
target_names: list: Die Namen der Zielklassen.

Hinzugefügt in Version 0.20.
frame: DataFrame der Form (1797, 65): Nur vorhanden, wenn as_frame=True. DataFrame mit data und target.

Hinzugefügt in Version 0.23.
images: {ndarray} der Form (1797, 8, 8): Die Rohbilddaten.
DESCR: str: Die vollständige Beschreibung des Datensatzes.

(data, target)tuple, wenn return_X_y True ist

Standardmäßig ein Tupel aus zwei ndarrays. Das erste enthält ein 2D-ndarray der Form (1797, 64), wobei jede Zeile eine Stichprobe und jede Spalte die Merkmale darstellt. Das zweite ndarray der Form (1797) enthält die Zielstichproben. Wenn as_frame=True, sind beide Arrays pandas-Objekte, d.h. X ein DataFrame und y eine Series.

Hinzugefügt in Version 0.18.

Beispiele

So laden Sie die Daten und visualisieren Sie die Bilder

>>> from sklearn.datasets import load_digits
>>> digits = load_digits()
>>> print(digits.data.shape)
(1797, 64)
>>> import matplotlib.pyplot as plt
>>> plt.matshow(digits.images[0], cmap="gray")
<...>
>>> plt.show()