sklearn官网学习入门二

摘要：

Scikit-learn在处理数据，生成学习模型时，通常要求采用的数据集是以2维数组表示的。

第一个坐标轴称为样本轴，表示样本编号0，1，2，3，…，n;

第二个坐标轴称之为特征值，表示特征编号0，1，2，…，k

于是，我们在处理非2D-array的数据集时，需要将其进行预处理，操作如下：

1. 加载digits数据集

from sklearn import datasets
digits = datasets.load_digits()
print(digits.images.shape)           

1.1 输出：

(1797, 8, 8) #显然这是一个三维的数据集，由1797个(8,8)的数组构成
           

2. reshape操作，修改数据集的维度

# 重点说明一下reshape这个函数
# 1 reshape()不会改变原数据集的结构，于是我们需要用另一个对象来保存修改后的新数据集
# 2 data.size,这是数据集的一个属性，描述了数据集中，元素的总个数
# 3 reshape()操作的就是划分数据集，其data.size是不会改变的，reshape的参数就是（a1,a2,a3,...,an）,a1*a2*...*an = data.size不变
# 4 在只有一个维度的个数未知的情况下，可以用-1来缺省，如reshape(100,-1),reshape(10,10,-1)
data = digits.images.reshape((digits.images.shape[0], -1))
print(data.shape)
           

2.1 输出

(1797, 64) #转变成了一个二维的数据集，由1797个长度为64的向量构成           

小结：在不破坏原数据集samples和features完整性的前提下，我们在reshape的时候，应当保证shape[0]即样本个数不变，这也是此处用(digits.images.shape[0], -1)作为参数的原因。