sklearn入门篇--了解digits及iris数据集

from sklearn import datasets#加载数据集

iris = datasets.load_iris()#植物分类的数据
digits = datasets.load_digits()#数字识别的数据

.data和.target对应获得x和y值

digits.data#元数据集
digits.target#标签，每个数字的真实类别

digits.images[0]
#数据总是二维数组，形状（n_samples,n_features）

采用支持向量机分类器

from sklearn import svm

#在数字数据集的情况下，任务是给出图像来预测其表示的数字，共有10个可能类，在这些类上拟合一个估计其
#在sklearn中，分类的估计器是一个pyton对象，实现了fit(X,y),predict(T)方法
clf = svm.SVC(gamma=0.001,C=100.)#估计器实例命名为clf

#使用除了最后一张意外的所有图像，用[:-1]语法选择这个训练集
clf.fit(digits.data[:-1],digits.target[:-1])

clf.predict(digits.data[-1:])

# 模型持久化：可以通过python的内置持久化模块(pickle)将模型保存
X,y = iris.data,iris.target
clf.fit(X,y)

import pickle

s = pickle.dumps(clf)
clf2 = pickle.loads(s)
clf2.predict(X[0:1])