scikit-learnのデータセットの読み込みの使い方！sklearn.datasetsについて

ふゅか

scikit-learnって、色々なデータセットが使えるから便利だよね！まずは基本的なところから始めましょう♪

はるか

そうだね。まずはデータセットの種類から。

1. scikit-learnのデータセット

scikit-learnでは、機械学習の学習や実験に使用するためのさまざまなデータセットを提供しています。これらのデータセットは、データの分析やモデルの練習に便利です。

1.1. データセットの種類

ふゅか

scikit-learnにはtoyデータセット、実世界のデータセット、それに外部データセット！toyデータセットは、IrisやWineなどの小規模で簡単なデータが入っているの。

はるか

うん、簡単に試すのに使いやすい。

2. データセットの読み込み

データセットを読み込むためには、sklearn.datasetsモジュールを使用します。以下に、いくつかの例を示します。

2.1. toyデータセットの読み込み

Irisデータセットを読み込む例。

from sklearn.datasets import load_iris

# データセットの読み込み
iris = load_iris()

# データの確認
X = iris.data  # 特徴量
y = iris.target  # ターゲットラベル

2.2. 実世界のデータセットの読み込み

California Housingデータセットを読み込む例。

from sklearn.datasets import fetch_california_housing

# データセットの読み込み
california = fetch_california_housing()

# データの確認
X = california.data # 特徴量
y = california.target # ターゲットラベル

2.3. 外部データセットの読み込み

CSVファイルなどの外部データを読み込む場合には、pandasを使用すると便利です。実験用データセットをpandasを使ってをCSVファイルに作成します。

import pandas as pd

# 実験用データセットを作成
data = {
    'Feature1': [5.1, 4.9, 4.7, 4.6, 5.0],
    'Feature2': [3.5, 3.0, 3.2, 3.1, 3.6],
    'Feature3': [1.4, 1.4, 1.3, 1.5, 1.4],
    'Feature4': [0.2, 0.2, 0.2, 0.2, 0.2],
    'Target': [0, 0, 0, 0, 0]
}

# DataFrameを作成
df = pd.DataFrame(data)

# CSVファイルに保存
csv_file_path = 'experiment_data.csv'
df.to_csv(csv_file_path, index=False)

実験用データセットを読み込みます。

import pandas as pd
csv_file_path = 'experiment_data.csv'

# CSVファイルの読み込み
data = pd.read_csv(csv_file_path)

# 特徴量とターゲットの分離
X = data.drop('Target', axis=1)  # 特徴量
y = data['Target']  # ターゲットラベル

dataは次のようになっています。