load_diabetes

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

Загрузка и возвращение набора данных диабета (регрессия).

Общее количество примеров	442
Размерность	10
Признаки	вещественные, -0,2 < x < 0,2
Целевые переменные	целые числа от 25 до 346

Примечание

Значение каждого признака (т.е. feature_names) может быть неясным (особенно для ltg) , так как документация исходного набора данных не является явной. Мы предоставляем информацию, которая, по-видимому, верна с учётом научной литературы в этой области исследований.

Дополнительную информацию см. в Руководстве пользователя.

Параметры:

return_X_ybool, по умолчанию=False

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

Добавлена в версии 0.18.

as_framebool, по умолчанию=False

Если True, данные представляют собой фрейм данных pandas, содержащий столбцы с соответствующими типами данных (численные). Целевая переменная — фрейм данных или серия pandas в зависимости от количества целевых столбцов. Если return_X_y равно True, то (data, target) будут фреймами данных или сериями pandas, как описано ниже.

Добавлена в версии 0.23.

scaledbool, по умолчанию=True

Если True, переменные признаков центрированы по среднему значению и масштабированы на стандартное отклонение, умноженное на квадратный корень из n_samples. Если False, возвращаются исходные данные для переменных признаков.

Добавлена в версии 1.1.

Возвращаемое значение:

dataBunch

Объект, похожий на словарь, с указанными ниже атрибутами.

data{ndarray, dataframe} of shape (442, 10)

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

target: {ndarray, Series} of shape (442,)

Целевая переменная регрессии. Если as_frame=True, target будет серией pandas.

feature_names: список

Названия столбцов набора данных.

frame: DataFrame of shape (442, 11)

Присутствует только когда as_frame=True. Фрейм данных с data и target.

Добавлена в версии 0.23.

DESCR: строка

Полное описание набора данных.

data_filename: строка

Путь к расположению данных.

target_filename: строка

Путь к расположению целевой переменной.

(data, target)кортеж, если return_X_y равно True

Возвращает кортеж из двух массивов ndarray формы (n_samples, n_features). Двумерный массив, где каждая строка представляет собой один образец, а каждый столбец — признаки и/или целевую переменную данного образца.

Добавлена 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 из галереи

Основные моменты выпуска scikit-learn 1.2

Регрессия с градиентным усилением

Вывод индивидуальных и голосующих прогнозов регрессии

Влияние сложности модели

Выбор признаков на основе модели и последовательный выбор признаков

Выбор модели Lasso с использованием критериев информации

Выбор модели Lasso: AIC-BIC/перекрестная проверка

Пути Lasso, Lasso-LARS и Elastic Net

Пример обычных наименьших квадратов

Расширенное построение с частичной зависимостью

Заполнение пропущенных значений перед построением оценщика

Построение прогнозов с перекрестной проверкой