Scikit-learn หรือที่เรียกกันทั่วไปว่า sklearn เป็นไลบรารีโอเพนซอร์ซใน Python ที่ใช้สำหรับวัตถุประสงค์ในการใช้อัลกอริธึมการเรียนรู้ของเครื่อง
ซึ่งรวมถึงการจัดประเภท การถดถอย การจัดกลุ่ม การลดขนาด และอื่นๆ อีกมากมายด้วยความช่วยเหลือจากอินเทอร์เฟซที่ทรงพลังและเสถียรใน Python ไลบรารีนี้สร้างขึ้นบนไลบรารี Numpy, SciPy และ Matplotlib
ให้เราดูตัวอย่างการโหลดข้อมูล -
ตัวอย่าง
from sklearn.datasets import load_iris
my_data = load_iris()
X = my_data.data
y = my_data.target
feature_name = my_data.feature_names
target_name = my_data.target_names
print("Feature names are : ", feature_name)
print("Target names are : ", target_name)
print("\nFirst 8 rows of the dataset are : \n", X[:8]) ผลลัพธ์
Feature names are : ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] Target names are : ['setosa' 'versicolor' 'virginica'] First 8 rows of the dataset are : [[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2] [4.6 3.1 1.5 0.2] [5. 3.6 1.4 0.2] [5.4 3.9 1.7 0.4] [4.6 3.4 1.4 0.3] [5. 3.4 1.5 0.2]]
คำอธิบาย
- นำเข้าแพ็คเกจที่จำเป็น
- ชุดข้อมูลที่จำเป็นสำหรับสิ่งนี้จะถูกโหลดเข้าสู่สภาพแวดล้อมด้วย
- คุณลักษณะและค่าเป้าหมายจะแยกออกจากชุดข้อมูล
- คุณสมบัติและเป้าหมายเหล่านี้พิมพ์อยู่บนคอนโซล
- นอกจากนี้ หากต้องการดูตัวอย่างข้อมูล 8 แถวแรกของข้อมูลจะถูกพิมพ์บนคอนโซล
