目录
一、机器学习基础理论
1、机器学习过程
2、机器学习分类
3、数据集返回值介绍
二、鸢尾花数据集（实战）
1、首先是获取数据集
2、显示数据集信息（可以不要）
三、数据集划分
1、数据集划分API
2、代码及效果
总代码
一、机器学习基础理论
1、机器学习过程
获取数据数据处理特征工程（特征值、目标值）(包括标准化)算法训练 -> 得到模型模型评估
2、机器学习分类（有监督/无监督）
学习阶段可用数据集：
sklearn、kaggle、UCI
3、数据集返回值介绍
load返回小数据集，fetch返回大数据集。
返回datasets.base.Bunch数据类型（字典格式）
标签（target）：目标值
特征（data）：特征值
返回方式1：dict['key']
返回方式2：dict.key
二、鸢尾花数据集（实战）
以上三种鸢尾花，分别为鸢尾花的三个标签。
1、首先是获取数据集
iris = load_iris()
2、显示数据集信息（可以不要）
Show_Data()
def Show_Data():
print('鸢尾花数据集nn', iris)
三、数据集划分
为了给后面的模型评估留下数据，这里只能选取一部分数据进行模型训练。
1、数据集划分API
sklearn.model_selection.train_test_split
返回：训练集特征值、测试集特征值、训练集目标值、测试集目标值。
2、代码及效果
def Data_Split():
train_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.2)
print('训练集特征值：', train_data.shape)
print('测试集特征值：', test_data.shape)
print('训练集目标值：', train_target.shape)
print('测试集目标值：', test_target.shape)
' 
总代码
import cv2
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
def Show_Data():
print('鸢尾花数据集nn', iris)
def Data_Split():
train_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.2)
print('训练集特征值：', train_data.shape)
print('测试集特征值：', test_data.shape)
print('训练集目标值：', train_target.shape)
print('测试集目标值：', test_target.shape)
if __name__ == '__main__':
iris = load_iris()
Data_Split()
