load_linnerud#

sklearn.datasets.load_linnerud(*, return_X_y=False, as_frame=False)[Quelle]#

Lädt und gibt den Linnerud Datensatz für körperliche Übungen zurück.

Dieser Datensatz eignet sich für Multi-Output-Regressionaufgaben.

Gesamtanzahl Samples	20
Dimensionalität	3 (sowohl für Daten als auch für Zielwerte)
Merkmale	integer
Ziele	integer

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

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 inklusive Spalten mit geeigneten Datentypen (numerisch, Zeichenkette oder kategorisch). Der Zielwert ist ein pandas DataFrame oder eine Series, abhängig von der Anzahl der Zielwertspalten. 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 (20, 3): Die Datenmatrix. Wenn as_frame=True, ist data ein pandas DataFrame.
target: {ndarray, dataframe} der Form (20, 3): Die Regressionszielwerte. Wenn as_frame=True, ist target ein pandas DataFrame.
feature_names: list: Die Namen der Datensatzspalten.
target_names: list: Die Namen der Zielspalten.
frame: DataFrame der Form (20, 6): Nur vorhanden, wenn as_frame=True. DataFrame mit data und target.

Hinzugefügt in Version 0.23.
DESCR: str: Die vollständige Beschreibung des Datensatzes.
data_filename: str: Der Pfad zum Speicherort der Daten.
target_filename: str: Der Pfad zum Speicherort des Zielwerts.

Hinzugefügt in Version 0.20.

(data, target)tuple, wenn return_X_y True ist

Gibt ein Tupel aus zwei ndarrays oder DataFrames der Form (20, 3) zurück. Jede Zeile stellt eine Stichprobe dar und jede Spalte repräsentiert die Merkmale in X und einen Zielwert in y einer gegebenen Stichprobe.

Hinzugefügt in Version 0.18.

Beispiele

>>> from sklearn.datasets import load_linnerud
>>> linnerud = load_linnerud()
>>> linnerud.data.shape
(20, 3)
>>> linnerud.target.shape
(20, 3)

load_linnerud#

Diese Seite