fetch_lfw_people#

sklearn.datasets.fetch_lfw_people(*, data_home=None, funneled=True, resize=0.5, min_faces_per_person=0, color=False, slice_=(slice(70, 195, None), slice(78, 172, None)), download_if_missing=True, return_X_y=False, n_retries=3, delay=1.0)[源代码]#

加载野外标签面孔（LFW）人员数据集（分类）。

如有必要，请下载。

类	5749
样本总数	13233
维度	5828
特征	真实的，在0到255之间

有关此数据集的使用示例，请参阅使用特征脸和SVM的人脸识别示例 .

阅读更多的 User Guide .

参数:

data_home字符串或类似路径，默认值=无: 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”收件箱中。
funneled布尔，默认=True: 下载并使用数据集的漏斗变体。
resize浮动或无，默认=0.5: 用于调整每个面部图片的大小的比率。如果 None ，则不执行重复。
min_faces_per_personint，默认=无: 提取的数据集将只保留至少具有以下特征的人的照片： min_faces_per_person 不同的图片。
color布尔，默认=假: 保留3个RB通道，而不是将它们平均为单个灰度通道。如果颜色为True，则数据的形状比颜色= False的形状多一个维度。
slice_切片的字节组，默认=（切片（70，195），切片（78，172））: 提供自定义的2D切片（高度、宽度）来提取jpeg文件的“有趣”部分，并避免使用背景的统计相关性。
download_if_missing布尔，默认=True: 如果为假，如果数据在本地不可用，则引发OSEross，而不是尝试从源网站下载数据。
return_X_y布尔，默认=假: 如果为True，则返回 (dataset.data, dataset.target) 而不是Bunch对象。有关的更多信息，请参阅下文 dataset.data 和 dataset.target object.

Added in version 0.20.
n_retriesint，默认=3: 遇到HTTP错误时的再试次数。

Added in version 1.5.
delayfloat，默认=1.0: 再试之间的秒数。

Added in version 1.5.

返回:

dataset : Bunch群

类似字典的对象，具有以下属性。

数据麻木的形状阵列（13233，2914）: 每一行对应于原始大小为62 x 47像素的散开面部图像。改变 slice_ 或调整大小参数将更改输出的形状。
图像麻木的形状阵列（13233，62，47）: 每一行都是对应于数据集中5749人之一的人脸图像。改变 slice_ 或调整大小参数将更改输出的形状。
目标麻木的形状阵列（13233，）: 与每个面部图像关联的标签。这些标签的范围从0到5748，并与人员ID相对应。
target_names麻木的形状数组（5749，）: 数据集中所有人员的姓名。数组中的位置对应于目标数组中的人员ID。
DESCRstr: 野外标签面孔（LFW）数据集的描述。

(data, target) ：tuple if return_X_y 是真tuple if return_X_y is True

由两个ndray组成的二元组。第一个包含形状的2D数组（n_samples，n_features），每一行代表一个样本，每一列代表特征。包含目标样本的形状（n_samples，）的第二个nd数组。

Added in version 0.20.

示例

>>> from sklearn.datasets import fetch_lfw_people
>>> lfw_people = fetch_lfw_people()
>>> lfw_people.data.shape
(13233, 2914)
>>> lfw_people.target.shape
(13233,)
>>> for name in lfw_people.target_names[:5]:
...    print(name)
AJ Cook
AJ Lamas
Aaron Eckhart
Aaron Guiel
Aaron Patterson