在 Python 中使用 `scikit-learn`（即 `sklearn`）导入现有数据集可以通过多种方式实现，具体取决于数据集的来源和格式。以下是几种常见方法： ### 1. 使用 `sklearn.datasets` 模块内置数据集 如果你使用的是 `sklearn` 内置的数据集，例如鸢尾花（Iris）数据集、波士顿房价（Boston Housing）数据集等，可以直接通过模块加载： ```python from sklearn.datasets import load_iris # 加载内置数据集 data = load_iris() X = data.data y = data.target ``` ### 2. 导入本地 CSV 或文本文件 如果数据集存储在本地的 CSV 或文本文件中，可以结合 `pandas` 和 `sklearn.model_selection` 来加载和分割数据。以下是一个示例： ```python import pandas as pd from sklearn.model_selection import train_test_split # 读取CSV文件 df = pd.read_csv('path/to/your/dataset.csv') # 假设目标列名为 'target' X = df.drop('target', axis=1) y = df['target'] # 拆分数据集为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` ### 3. 导入本地 NumPy 文件 如果数据集以 `.npy` 或 `.npz` 格式保存，可以使用 `numpy` 加载并结合 `sklearn` 进行后续处理： ```python import numpy as np from sklearn.model_selection import train_test_split # 加载NumPy文件 data = np.load('path/to/your/dataset.npy') X = data[:, :-1] y = data[:, -1] # 拆分数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` ### 4. 使用 `fetch_openml` 从 OpenML 导入数据集 OpenML 是一个开放的机器学习平台，`sklearn` 提供了 `fetch_openml` 接口用于直接导入数据集： ```python from sklearn.datasets import fetch_openml # 从OpenML导入数据集 data = fetch_openml(name='wine-quality', version=1) X = data.data y = data.target ``` ### 5. 自定义数据集加载 对于更复杂的数据格式，例如图像数据或自定义结构的数据，可以编写自定义代码加载数据，并将其转换为适合 `sklearn` 的格式（通常是 NumPy 数组或稀疏矩阵）。 ---