scikit-learnのtoyデータセットの使い方！load_xxx()について

はるか

toyデータセットって知ってる？

ふゅか

うん、知ってる！scikit-learnに用意されている小さなデータセットだよね。

1. toyデータセットとは

scikit-learnには、外部サイトからファイルをダウンロードする必要のないいくつかの小さな標準データセットが用意されています。これらのデータセットは、scikit-learnのアルゴリズムの学習やデモンストレーションに便利です。それぞれのデータセットは次のメソッドで呼び出すことができます。

• load_iris(): アヤメ（Iris）の分類のデータセットをロードし、返します。
• load_diabetes(): 糖尿病の回帰のデータセットをロードし、返します。
• load_digits(): 手書き数字の分類のデータセットをロードし、返します。
• load_linnerud(): Linnerudの運動データセットをロードし、返します。
• load_wine(): ワインの分類のデータセットをロードし、返します。
• load_breast_cancer(): 乳がんの分類のデータセットをロードし、返します。

2. それぞれのデータセット

2.1. アヤメのデータセット

ふゅか

アヤメのデータセットについて説明するね！これは、アヤメの花の特徴量で3つの種類に分類されてるの。がく片の長さや幅、花弁の長さと幅が特徴量なんだ。

はるか

その分類に使うクラスはIris-Setosa、Iris-Versicolour、Iris-Virginica。

アヤメのデータセットのデータを読み込む例は次のようになります。

from sklearn.datasets import load_iris
data=load_iris()

X=data.data # 特徴量
y=data.target # ターゲットラベル

2.2. 糖尿病のデータセット

糖尿病のデータセットのデータを読み込む例は次のようになります。

from sklearn.datasets import load_diabetes
data=load_diabetes()

X=data.data # 特徴量
y=data.target # ターゲットラベル

2.3. 手書き数字認識のデータセット

はるか

8×8ピクセルの整数画像から数字を認識する。

ふゅか

うん、load_digits()でロードできるんだ！0から9までの数字を認識するためのデータセットだよ。

手書き数字認識のデータセットのデータを読み込む例は次のようになります。

from sklearn.datasets import load_digits
data=load_digits()

X=data.data # 特徴量
y=data.target # ターゲットラベル

2.4. 運動のデータセット

運動のデータセットのデータを読み込む例は次のようになります。

from sklearn.datasets import load_linnerud
data=load_linnerud()

X=data.data # 特徴量
y=data.target # ターゲットラベル

2.5. ワインのデータセット

はるか

ワインのデータセットもあるね。アルコールやマグネシウム、フラボノイドなどの化学成分が特徴量。

ふゅか

うん、load_wine()でロードできるよ！3つの異なるワイン種を分類するためのデータセットだね。

ワインのデータセットのデータを読み込む例は次のようになります。

from sklearn.datasets import load_wine
data=load_wine()

X=data.data # 特徴量
y=data.target # ターゲットラベル

2.6. 乳がんのデータセット

乳がんのデータセットのデータを読み込む例は次のようになります。

from sklearn.datasets import load_breast_cancer
data=load_breast_cancer()

X=data.data # 特徴量
y=data.target # ターゲットラベル