sklearn.datasets.fetch_openml¶

sklearn.datasets.fetch_openml(name=None, *, version='active', data_id=None, data_home=None, target_column='default-target', cache=True, return_X_y=False, as_frame=False)

[源码]

通过名称或数据集ID从openml获取数据集。

数据集通过整数ID或名称和版本的组合（即“ iris”数据集可能有多个版本）进行唯一标识。请输入名称或data_id（不能同时输入两者）。如果提供了名称，也可以提供版本。

在用户指南中阅读更多内容。

0.20版中的新功能。

注意: 试验性

该API是试验性（尤其是返回值结构），并且在将来的发行版中可能会有小的向后不兼容的更改。

参数	说明
name	str or None 数据集的字符串标识符。请注意，OpenML可以具有多个具有相同名称的数据集。
version	integer or ‘active’, default=’active’ 数据集的版本。仅当提供名称时才能提供。如果为“active”，则使用仍处于活动状态的最旧版本。由于一个数据集可能有多个活动版本，并且这些版本在根本上可能彼此不同，因此强烈建议设置一个确切的版本。
data_id	int or None 数据集的OpenML ID。检索数据集的最具体方法。如果未提供data_id，则使用名称（和可能的版本）获取数据集。
data_home	string or None, default None 为数据集指定另一个下载和缓存文件夹。默认情况下，所有scikit-learn数据都存储在“〜/ scikit_learn_data”子文件夹中。
target_column	string, list or None, default ‘default-target’ 在数据中指定要用作目标的列名。如果为“default-target”，则使用服务器上存储的标准目标列a。如果为None，则所有列均作为数据返回，并且目标为None。如果使用列表（字符串），则将所有具有这些名称的列作为多目标返回（注意：并非所有scikit-learn分类器都可以处理所有类型的多输出组合）
cache	boolean, default=True 是否使用joblib缓存下载的数据集。
return_X_y	boolean, default=False. 如果为True，则返回(data, target)而不是Bunch对象。有关data和target对象的更多信息，请参见下文。
as_frame	boolean, default=False 如果为True，则数据为pandas DataFrame，其中包含具有适当dtypes（numeric, string 或 categorical）的列。target是pandas DataFrame还是Series，取决于target_columns的数量。 Bunch将包含带有目标和数据的frame属性。如果return_X_y为True，则（data, target）将是如上所述的pandas DataFrames或Series。

返回值说明

data Bunch
类字典对象，具有以下属性。
- data:np.array, scipy.sparse.csr_matrix of floats, or pandas DataFrame
特征矩阵。分类特征被编码为序数。
- target:np.array, pandas Series or DataFrame
回归target或分类标签（如适用）。如果是numeric类型，则Dtype为float；如果是categorical，则为object。如果as_frame为True，则target为pandas对象。
- DESCR:str
数据集的完整描述
- feature_name:slist
数据集列的名称
- target_names:list
目标列的名称
0.22版中的新功能。
- categories:dict or None
将每个分类要素名称映射到值列表，以使编码为i的值在列表中成为第i个。如果as_frame为True，则为None。
- details:dict
来自OpenML的更多元数据
- frame:pandas DataFrame
仅在as_frame = True时存在。具有data和target的DataFrame。

(data, target) tuple if return_X_y is True
注意：试验性
此接口是试验性的，后续发行版可能会更改属性，恕不另行通知（尽管对data和target的更改应该很小）。

返回值	说明
data	`Bunch` 类字典对象，具有以下属性。 - data:np.array, scipy.sparse.csr_matrix of floats, or pandas DataFrame 特征矩阵。分类特征被编码为序数。 - target:np.array, pandas Series or DataFrame 回归target或分类标签（如适用）。如果是numeric类型，则Dtype为float；如果是categorical，则为object。如果as_frame为True，则target为pandas对象。 - DESCR:str 数据集的完整描述 - feature_name:slist 数据集列的名称 - target_names:list 目标列的名称 0.22版中的新功能。 - categories:dict or None 将每个分类要素名称映射到值列表，以使编码为i的值在列表中成为第i个。如果as_frame为True，则为None。 - details:dict 来自OpenML的更多元数据 - frame:pandas DataFrame 仅在as_frame = True时存在。具有data和target的DataFrame。
(data, target)	tuple if `return_X_y` is True 注意：试验性此接口是试验性的，后续发行版可能会更改属性，恕不另行通知（尽管对data和target的更改应该很小）。