如何在 PyBrain 中导入 Sklearn 数据集

在本教程中，我们将解释如何在 PyBrain 中使用 Sklearn 导入数据集。

数据集可以被描述为可用于测试、验证以及训练网络的数据的集合。与数组相比，数组被认为更加灵活，而数据集则被认为更具灵活性且更易于使用。数据集类似于二维数组。数据集用于执行机器学习任务。

本教程需要用到的库是

• sklearn
• Pybrain

安装这些库的语法

示例 1

在此示例中，我们首先从 sklearn 库导入了 packages datasets，并从 **pybrain.datasets** 导入了 **ClassificationDataset**。之后，我们加载了 numbers 数据集。在下一行，我们将定义特征变量和目标变量。然后，我们通过创建 64 个输入、1 个输出和 15 个类来创建一个数据集的分类算法。然后，我们将信息添加到我们创建的数据集中。

代码

输出

示例 2

在此示例中，我们首先从 sklearn 库导入了 packages datasets，并从 **pybrain.datasets** 导入了 **ClassificationDataset**。之后，我们加载了 Iris 数据集。在下一行，我们将定义特征变量和目标变量。然后，我们通过定义四个输入、一个输出和两个类来创建一个用于分类数据集的算法。之后，我们将数据添加到了新创建的数据集中。

代码

输出

结论

在本教程中，我们讨论了如何在使用 PyBrain 的 sklearn 库导入各种数据集。