fetch_rcv1#

sklearn.datasets.fetch_rcv1(*, data_home=None, subset='all', download_if_missing=True, random_state=None, shuffle=False, return_X_y=False, n_retries=3, delay=1.0)#

加载RCV1多标签数据集（分类）。

如果需要，下载它。

版本：RCV1-v2，向量，完整集，主题多标签。

更多信息请参阅 用户指南 。

Added in version 0.17.

Parameters:
data_homestr 或 path-like, default=None

指定数据集的另一个下载和缓存文件夹。默认情况下，所有scikit-learn数据都存储在’~/scikit_learn_data’子文件夹中。

subset{‘train’, ‘test’, ‘all’}, default=’all’

选择要加载的数据集：’train’用于训练集（23149个样本），’test’用于测试集（781265个样本）， ‘all’用于两者，如果shuffle为False，则训练样本在前。这遵循官方的LYRL2004时间顺序分割。

download_if_missingbool, default=True

如果为False，如果数据不在本地，则引发OSError，而不是尝试从源站点下载数据。

random_stateint, RandomState实例或None, default=None

确定数据集洗牌的随机数生成。为跨多次函数调用可重现输出传递一个int。 请参阅 术语 。

shufflebool, default=False

是否洗牌数据集。

return_X_ybool, default=False

如果为True，返回 (dataset.data, dataset.target) 而不是Bunch对象。有关 dataset.data 和 dataset.target 对象的更多信息，请参见下文。

Added in version 0.20.

n_retriesint, default=3

遇到HTTP错误时的重试次数。

Added in version 1.5.

delayfloat, default=1.0

重试之间的秒数。

Added in version 1.5.

Returns:
datasetBunch

类似字典的对象。仅当 return_X_y 为False时返回。 dataset 具有以下属性：

  • data形状为(804414, 47236)的稀疏矩阵，dtype=np.float64

    该数组有0.16%的非零值。将是CSR格式。

  • target形状为(804414, 103)的稀疏矩阵，dtype=np.uint8

    每个样本在其类别中有一个值1，在其他类别中为0。 该数组有3.15%的非零值。将是CSR格式。

  • sample_id形状为(804414,)的ndarray，dtype=np.uint32,

    每个样本的识别号，按dataset.data中的顺序排列。

  • target_names形状为(103,)的ndarray，dtype=object

    每个目标的名称（RCV1主题），按dataset.target中的顺序排列。

  • DESCRstr

    RCV1数据集的描述。

(data, target)tuple

由 dataset.data 和 dataset.target 组成的元组，如上所述。仅当 return_X_y 为True时返回。

Added in version 0.20.

Examples

>>> from sklearn.datasets import fetch_rcv1
>>> rcv1 = fetch_rcv1()
>>> rcv1.data.shape
(804414, 47236)
>>> rcv1.target.shape
(804414, 103)
On this page
Show Source