load_diabetes

sklearn.datasets.load_diabetes(*, return_X_y=False, as_frame=False, scaled=True)[исходный код]

Загружает и возвращает набор данных о диабете (регрессия).

Всего образцов	442
Размерность	10
Признаки	вещественные, -.2 < x < .2
Целевые значения	целые числа 25 - 346

Примечание

Назначение каждого признака (то есть feature_names) может быть неясным (особенно для ltg), поскольку документация исходного набора данных не содержит подробных пояснений. Мы приводим сведения, которые, судя по научной литературе в этой области исследований, представляются корректными.

Подробнее см. в Руководстве пользователя.

Параметры:

return_X_ybool, по умолчанию=False

Если True, возвращает (data, target) вместо объекта Bunch. Подробнее об объектах data и target см. ниже.

Добавлено в версии 0.18.

as_framebool, по умолчанию=False

Если True, данные представлены в виде pandas DataFrame, столбцы которого имеют подходящие типы данных (числовые). Целевой признак представлен в виде pandas DataFrame или Series в зависимости от числа целевых столбцов. Если return_X_y имеет значение True, то (data, target) будут объектами pandas DataFrame или Series, как описано ниже.

Добавлено в версии 0.23.

scaledbool, по умолчанию=True

Если True, значения признаков центрируются относительно среднего и масштабируются на стандартное отклонение, умноженное на квадратный корень из n_samples. Если False, для признаков возвращаются исходные данные.

Добавлено в версии 1.1.

Возвращает:

dataBunch

Объект, похожий на словарь, со следующими атрибутами.

data{ndarray, dataframe} формы (442, 10)

Матрица данных. Если as_frame=True, data будет pandas DataFrame.

target: {ndarray, Series} формы (442,)

Целевой признак для регрессии. Если as_frame=True, target будет pandas Series.

feature_names: list

Названия столбцов набора данных.

frame: DataFrame формы (442, 11)

Присутствует только при as_frame=True. DataFrame с data и target.

Добавлено в версии 0.23.

DESCR: str

Полное описание набора данных.

data_filename: str

Путь к расположению данных.

target_filename: str

Путь к расположению целевого признака.

(data, target)кортеж, если return_X_y равно True

Кортеж из двух ndarray. Первый содержит двумерный ndarray формы (442, 10), в котором каждая строка представляет образец, а столбцы — признаки. Второй ndarray формы (442,) содержит целевые значения образцов. Если as_frame=True, оба массива являются объектами pandas, то есть X — это DataFrame, а y — Series.

Добавлено в версии 0.18.

Примеры

>>> from sklearn.datasets import load_diabetes
>>> diabetes = load_diabetes()
>>> diabetes.target[:3]
array([151.,  75., 141.])
>>> diabetes.data.shape
(442, 10)

Примеры в галерее

Влияние сложности модели

Регрессия с градиентным бустингом

Индивидуальные прогнозы регрессии и прогнозы регрессора голосования

Отбор признаков на основе модели и последовательный отбор признаков

Заполнение пропущенных значений перед построением оценивателя

Расширенные возможности построения графиков частичной зависимости

Выбор модели Lasso с помощью информационных критериев

Траектории Lasso, Lasso-LARS и Elastic Net

Выбор модели Lasso: AIC-BIC / кросс-валидация

Обычный метод наименьших квадратов и регрессия Ridge

Визуализация прогнозов, полученных с помощью кросс-валидации

Основные нововведения scikit-learn 1.2