scikit-learn 是基于 Python 语言的机器学习工具。

优势：

• 简单高效的数据挖掘和数据分析工具
• 可供大家在各种环境中重复使用
• 建立在 NumPy ，SciPy 和 matplotlib 上
• 开源，可商业使用 - BSD许可证

scikit-learn常用数据集获取方法

• sklearn.datasets.load_XX()：获取小规模数据集
• sklearn.datasets.fetch_XX()：加载大规模数据集
• 返回值load和fetch返回的数据类型是sklearn.utils.Bunch(字典格式)
•  data:特征数据，[样本 * 特征值]的二维ndarray数组
•  target:标签数组，一维ndarray数组
•  DESCR:数据描述
•  feature_names:特征名称
•  target_names:标签名称

数据集划分

机器学习一般将数据集划分为两个部分：

• 训练数据：用于训练、构建模型，划分比例：70% 80%
• 测试数据：在模型评估时使用， 划分比例：30% 20%
• sklearn.model_selection.train_test_split(arrays, *options)
•  x数据集的特征值
•  y数据集的目标值
•  test_size测试集的大小，float类型
•  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