wine_data: 一个用于分类的三类葡萄酒数据集

一个将Wine数据集加载到NumPy数组中的函数。

> 从 mlxtend.data 导入 wine_data

概述

葡萄酒数据集用于分类。

样本数	178
特征	13
类别	3
数据集特征:	多元
属性特征:	整数, 实数
相关任务:	分类
缺失值	无

列	属性
1)	类别标签
2)	酒精含量
3)	苹果酸
4)	灰分
5)	灰分的碱度
6)	镁
7)	总酚类
8)	黄酮类
9)	非黄酮类酚
10)	原花青素
11)	色彩强度
12)	色调
13)	稀释葡萄酒的OD280/OD315
14)	脯氨酸

类别	样本数
0	59
1	71
2	48

参考文献

• Forina, M. 等, PARVUS - 一个可扩展的数据探索、分类和相关性分析包。 药物和食品分析与技术研究所，Via Brigata Salerno, 16147 热那亚，意大利。
• 来源: https://archive.ics.uci.edu/ml/datasets/Wine
• Bache, K. & Lichman, M. (2013). UCI机器学习库. 加利福尼亚州尔湾: 加利福尼亚大学信息与计算机科学学院。

示例 1 - 数据集概述

from mlxtend.data import wine_data
X, y = wine_data()

print('Dimensions: %s x %s' % (X.shape[0], X.shape[1]))
print('\nHeader: %s' % ['alcohol', 'malic acid', 'ash', 'ash alcalinity',
                        'magnesium', 'total phenols', 'flavanoids',
                        'nonflavanoid phenols', 'proanthocyanins',
                        'color intensity', 'hue', 'OD280/OD315 of diluted wines',
                        'proline'])
print('1st row', X[0])

Dimensions: 178 x 13

Header: ['alcohol', 'malic acid', 'ash', 'ash alcalinity', 'magnesium', 'total phenols', 'flavanoids', 'nonflavanoid phenols', 'proanthocyanins', 'color intensity', 'hue', 'OD280/OD315 of diluted wines', 'proline']
1st row [  1.42300000e+01   1.71000000e+00   2.43000000e+00   1.56000000e+01
   1.27000000e+02   2.80000000e+00   3.06000000e+00   2.80000000e-01
   2.29000000e+00   5.64000000e+00   1.04000000e+00   3.92000000e+00
   1.06500000e+03]

import numpy as np
print('Classes: %s' % np.unique(y))
print('Class distribution: %s' % np.bincount(y))

Classes: [0 1 2]
Class distribution: [59 71 48]

API

wine_data()

Wine dataset.

• Source : https://archive.ics.uci.edu/ml/datasets/Wine

• Number of samples : 178

• Class labels : {0, 1, 2}, distribution: [59, 71, 48]

  Dataset Attributes:

  • 1) Alcohol
  • 2) Malic acid
  • 3) Ash
  • 4) Alcalinity of ash
  • 5) Magnesium
  • 6) Total phenols
  • 7) Flavanoids
  • 8) Nonflavanoid phenols
  • 9) Proanthocyanins
  • 10) Color intensity
  • 11) Hue
  • 12) OD280/OD315 of diluted wines
  • 13) Proline

Returns

• X, y : [n_samples, n_features], [n_class_labels]

  X is the feature matrix with 178 wine samples as rows and 13 feature columns. y is a 1-dimensional array of the 3 class labels 0, 1, 2

Examples

For usage examples, please see https://rasbt.github.io/mlxtend/user_guide/data/wine_data