处理外部数据集

Question

我对scikit-learn很新，并且正在学习和预测虹膜数据集中的样本。但是如何为此目的加载外部数据集？

我下载的数据集包含以下格式的数据;

id attr1 attr2 .... label
123 0 0 ..... abc
234 0 0 ..... dsf
....
....

那么我应该如何加载这个数据集以学习和绘制预测？感谢。

Answer 1

一种选择是使用pandas。假设数据是空格分隔的：

import pandas as pd
X = pd.read_csv('data.txt', sep=' ').values

其中read_csv返回DataFrame，values属性返回包含数据的numpy数组。您可能希望将上述X的最后一列与标签分开，比如说成一维数组y：

X, y = X[:, :-1], X[:, -1]