Ctrl+K

fetch_rcv1#

sklearn.datasets.fetch_rcv1(*, data_home=None, subset='all', download_if_missing=True, random_state=None, shuffle=False, return_X_y=False, n_retries=3, delay=1.0)[源代码]#

加载RCV 1多标签数据集（分类）。

如有必要，请下载。

版本：RCV 1-v2、载体、全套、主题多标签。

类

103

样本总数

804414

维度

47236

特征

真实的，在0和1之间

阅读更多的 User Guide .

Added in version 0.17.

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。

subset' train '，'，'，默认=' all '

选择要加载的数据集：“训练”用于训练集（23149个样本），“测试”用于测试集（781265个样本），“全部”用于两者，如果洗牌为假，则先训练样本。这遵循了LIRL 2004官方的时间顺序划分。

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。

random_stateint，RandomState实例或无，默认=无

确定数据集洗牌的随机数生成。传递int以获得跨多个函数调用的可重复输出。看到 Glossary .

shuffle布尔，默认=假

是否洗牌数据集。

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。只有在以下情况下才返回 return_X_y 是假的。 dataset 具有以下属性：

  • 数据形状稀疏矩阵（804414，47236），dype = np.float64

    数组有0.16%的非零值。将采用CSR格式。

  • 目标形状稀疏矩阵（804414，103），dype =np.uint8

    每个样本在其类别中的值为1，在其他类别中的值为0。该数组有3.15%的非零值。将采用CSR格式。

  • sample_idndarray的形状（804414，），dtype=np.uint32，

    每个样品的标识号，如在数据库. data中所述。

  • target_namesnd数组形状（103，），dype =对象

    每个目标的名称（RCV 1主题），按照Deliveret.target中的顺序。

  • DESCRstr

    RCV 1数据集的描述。

(data, target)元组

由以下组成的多元组 dataset.data 和 dataset.target ，如上所述。只有在以下情况下才返回 return_X_y 是真的

Added in version 0.20.

示例

>>> from sklearn.datasets import fetch_rcv1
>>> rcv1 = fetch_rcv1()
>>> rcv1.data.shape
(804414, 47236)
>>> rcv1.target.shape
(804414, 103)
On this page