load_wine#
- sklearn.datasets.load_wine(*, return_X_y=False, as_frame=False)[Quelle]#
Lädt und gibt den Wein Datensatz (Klassifikation) zurück.
Hinzugefügt in Version 0.18.
Der Wine-Datensatz ist ein klassischer und sehr einfacher Datensatz für die Mehrklassenklassifizierung.
Klassen
3
Stichproben pro Klasse
[59,71,48]
Gesamtanzahl Samples
178
Dimensionalität
13
Merkmale
real, positive
Die Kopie des UCI ML Wine Data Set Datensatzes wird heruntergeladen und an das Standardformat angepasst von: https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data
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 Objektendataundtargetfinden Sie unten.- 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_yTrue ist, dann sind (data,target) pandas DataFrames oder Series wie unten beschrieben.Hinzugefügt in Version 0.23.
- Gibt zurück:
- data
Bunch Dictionary-ähnliches Objekt mit den folgenden Attributen.
- data{ndarray, dataframe} der Form (178, 13)
Die Datenmatrix. Wenn
as_frame=True, istdataein pandas DataFrame.- target: {ndarray, Series} der Form (178,)
Das Klassifizierungsziel. Wenn
as_frame=True, isttargeteine pandas Series.- feature_names: list
Die Namen der Datensatzspalten.
- target_names: list
Die Namen der Zielklassen.
- frame: DataFrame der Form (178, 14)
Nur vorhanden, wenn
as_frame=True. DataFrame mitdataundtarget.Hinzugefügt in Version 0.23.
- DESCR: str
Die vollständige Beschreibung des Datensatzes.
- (data, target)tuple, wenn
return_X_yTrue ist Ein Tupel aus zwei ndarrays standardmäßig. Das erste enthält ein 2D-Array der Form (178, 13), wobei jede Zeile eine Stichprobe darstellt und jede Spalte die Merkmale darstellt. Das zweite Array der Form (178,) enthält die Zielstichproben.
- data
Beispiele
Nehmen wir an, Sie interessieren sich für die Stichproben 10, 80 und 140 und möchten deren Klassennamen wissen.
>>> from sklearn.datasets import load_wine >>> data = load_wine() >>> data.target[[10, 80, 140]] array([0, 1, 2]) >>> list(data.target_names) [np.str_('class_0'), np.str_('class_1'), np.str_('class_2')]
