Scikit learn 如何在scikit中创建sklearn.datasets.base.Bunch对象，从自己的数据学习？

在大多数Scikit学习算法中，数据必须作为束对象加载。对于教程中的许多示例，load_files（）或其他函数用于填充束对象。像load_files（）这样的函数期望数据以某种格式出现，但我有不同格式的数据存储，即每个字段都有字符串的CSV文件

---

如何解析这些数据并以束对象格式加载数据？

您不必创建束对象。它们仅用于加载scikit学习的内部样本数据集

---

您可以直接向矢量器对象提供Python字符串列表。

您可以这样做：

import numpy as np
import sklearn.datasets

examples = []
examples.append('some text')
examples.append('another example text')
examples.append('example 3')

target = np.zeros((3,), dtype=np.int64)
target[0] = 0
target[1] = 1
target[2] = 0
dataset = sklearn.datasets.base.Bunch(data=examples, target=target)

这是一个示例，您可以在Kaggle中找到CSV文件：

从CSV文件第2列第32处开始，是

X_列

和

X_测试

data@

usecols=range（2,32）

这存储在束中 名为

数据的对象键

从numpy导入genfromtxt
data=genfromtxt（“您的数据目录，分隔符='，'，skip_header=1，usecols=range（2,32））

我对CSV文件中的列数据B（Numpy数组中的列1@

usecols=（1）

）感兴趣，因为它是

y\u列

和

y\u测试

的输出，并存储在名为：

target

的束对象键中

将熊猫作为pd导入
target=genfromtxt（“您的数据目录”，分隔符='，，跳过头=1，usecols=（1），dtype=str）

有一些技巧可以像在sklearn中一样变换目标，当然可以在唯一变量中进行变换

target，target1，…

仅用于解释我所做的操作

首先把这个小家伙变成熊猫

target2=pd.系列（目标）

这是为了使用秩函数，您可以跳过第5步

target3=target2.rank（方法='稠密'，轴=0）

这仅适用于0或1中的目标变换，如本书中的示例所示

target4=（target3%2==0）*1

把价值观融入numpy

target5=target4.values

这里我复制了Hugh Perkins的解决方案：

导入sklearn
dataset=sklearn.datasets.base.Bunch（数据=data，目标=target5）

谢谢，是否有加载.CSV的实用程序功能？具有用于列（所有字符串）的csv。现在我正在使用python csv阅读器，我推荐pandas：不过，在将pandas.DataFrame提供给sklearn之前，您需要将其转换为np数组。可以肯定的是：没有任何算法加载

Bunch

对象。示例脚本使用这些，但算法都需要数组或稀疏矩阵。@Blake，分类器的fit方法接受两个列表对象-数据列表（

Bunch.data

），后跟目标列表（

Bunch.target

）-

clf.fit（，）

@MachineEpsilon该问题显示了对如何在

scikit learn

中将数据提供给分类器的误解，因此，即使这回答了字面上的问题，也无法消除最初的误解。这个链接非常清楚：