load_iris

sklearn.datasets.load_iris(*, return_X_y=False, as_frame=False)[source]

Загрузка и возвращение набора данных ирисов (классификация).

Набор данных ирисов — классический и очень простой набор данных для многоклассовой классификации.

Классы	3
Примеры на класс	50
Всего примеров	150
Размерность	4
Признаки	вещественные, положительные

Подробнее см. в Руководстве пользователя.

Изменено в версии 0.20: Исправлены две неверные точки данных в соответствии со статьей Фишера. Новая версия такая же, как в R, но не такая, как в репозитории машинного обучения UCI.

Параметры:

return_X_ybool, по умолчанию=False

Если True, возвращает (data, target) вместо объекта Bunch. См. ниже для получения дополнительной информации об объектах data и target.

Добавлен в версии 0.18.

as_framebool, по умолчанию=False

Если True, данные — это pandas DataFrame, содержащий столбцы с соответствующими типами данных (числовыми). Цель — pandas DataFrame или Series в зависимости от количества целевых столбцов. Если return_X_y равно True, то (data, target) будут pandas DataFrame или Series, как описано ниже.

Добавлен в версии 0.23.

Возвращает:

dataBunch

Объект типа словарь, с такими атрибутами.

data{ndarray, dataframe} формы (150, 4)

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

target: {ndarray, Series} формы (150,)

Целевое значение классификации. Если as_frame=True, target будет pandas Series.

feature_names: список

Названия столбцов набора данных.

target_names: список

Названия классов целевой переменной.

frame: DataFrame формы (150, 5)

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

Добавлен в версии 0.23.

DESCR: str

Полное описание набора данных.

filename: str

Путь к расположению данных.

Добавлен в версии 0.20.

(data, target)кортеж, если return_X_y равно True

Кортеж из двух ndarray. Первый содержит двумерный массив формы (n_samples, n_features), где каждая строка представляет один образец, а каждый столбец — признак. Второй ndarray формы (n_samples,) содержит целевые образцы.

Добавлен в версии 0.18.

Примеры

Предположим, вы заинтересованы в примерах 10, 25 и 50 и хотите узнать их названия классов.

>>> from sklearn.datasets import load_iris
>>> data = load_iris()
>>> data.target[[10, 25, 50]]
array([0, 0, 1])
>>> list(data.target_names)
[np.str_('setosa'), np.str_('versicolor'), np.str_('virginica')]

См. Принцип анализа компонент (PCA) на наборе данных ирисов для более подробного примера работы с набором данных ирисов.