7. 資料集載入工具#
sklearn.datasets 套件嵌入了一些小型玩具資料集，並提供輔助工具來擷取機器學習社群常用的大型資料集，以便在來自「真實世界」的資料上對演算法進行基準測試。
為了評估資料集規模 (n_samples 和 n_features) 的影響，同時控制資料的統計屬性 (通常是特徵的相關性和資訊量)，也可以生成合成資料。
一般資料集 API。根據所需的資料集類型，有三種主要的資料集介面可用於取得資料集。
資料集載入器。它們可用於載入小型標準資料集，如 玩具資料集 章節中所述。
資料集擷取器。它們可用於下載和載入較大的資料集，如 真實世界資料集 章節中所述。
載入器和擷取器函數都會傳回一個 Bunch 物件，其中至少包含兩個項目：一個形狀為 n_samples * n_features 的陣列，索引鍵為 data (除了 20newsgroups 外)，以及一個長度為 n_samples 的 numpy 陣列，其中包含目標值，索引鍵為 target。
Bunch 物件是一個字典，它將其鍵公開為屬性。有關 Bunch 物件的更多資訊，請參閱 Bunch。
幾乎所有這些函數也可以透過將 return_X_y 參數設定為 True，將輸出限制為僅包含資料和目標的元組。
這些資料集在其 DESCR 屬性中也包含完整的描述，並且有些資料集包含 feature_names 和 target_names。請參閱下面的資料集描述以了解詳細資訊。
資料集生成函數。它們可用於生成受控的合成資料集，如 生成的資料集 章節中所述。
這些函數會傳回一個元組 (X, y)，其中包含一個 n_samples * n_features numpy 陣列 X 和一個長度為 n_samples 的陣列，其中包含目標 y。
此外，還有其他工具可以載入其他格式或來自其他位置的資料集，如 載入其他資料集 章節中所述。