7. 数据集加载工具#

为了评估数据集规模（样本数量 n_samples 和特征数量 n_features ）对算法的影响，同时控制数据的统计特性（通常是特征的相关性和信息量），也可以生成合成数据。

通用数据集API。 根据所需数据集的类型，可以使用三种主要类型的数据集接口来获取数据集。

数据集加载器。 它们可以用来加载小型标准数据集，详见玩具数据集部分。

数据集获取器。 它们可以用来下载和加载较大的数据集，详见真实世界数据集部分。

加载器和获取器函数都返回一个 Bunch 对象，该对象至少包含两个项：一个形状为 n_samples * n_features 的数组，键为 data （除了20newsgroups），以及一个长度为 n_samples 的numpy数组，包含目标值，键为 target 。

Bunch对象是一个字典，其键作为属性暴露。有关Bunch对象的更多信息，请参见 Bunch 。

对于几乎所有这些函数，通过将 return_X_y 参数设置为 True ，还可以将输出限制为一个仅包含数据和目标的元组。

这些数据集还包含其 DESCR 属性中的完整描述，有些还包含 feature_names 和 target_names 。详情请参见下面的数据集描述。

数据集生成函数。 它们可以用来生成受控的合成数据集，详见生成的数据集部分。这些函数返回一个元组 (X, y) ，其中包含一个 n_samples * n_features 的 numpy 数组 X 和一个长度为 n_samples 的目标数组 y 。

此外，还有其他工具用于加载其他格式或来自其他位置的数据集，这些工具在加载其他数据集部分进行了描述。