Scikit-learn, जिसे आमतौर पर sklearn के नाम से जाना जाता है, Python में एक ओपन-सोर्स लाइब्रेरी है जिसका उपयोग मशीन लर्निंग एल्गोरिदम को लागू करने के लिए किया जाता है।
इसमें एक शक्तिशाली और स्थिर Python इंटरफेस की मदद से वर्गीकरण, रिग्रेशन, क्लस्टरिंग, डायमेंशनलिटी रिडक्शन, और बहुत कुछ शामिल है। यह लाइब्रेरी Numpy, SciPy और Matplotlib लाइब्रेरी पर निर्मित है।
आइए डेटा लोड करने का एक उदाहरण देखते हैं -
उदाहरण
from sklearn.datasets import load_iris
my_data = load_iris()
X = my_data.data
y = my_data.target
feature_name = my_data.feature_names
target_name = my_data.target_names
print("फीचर नाम हैं:", feature_name)
print("टारगेट नाम हैं:", target_name)
print("\nडेटासेट की पहली 8 पंक्तियाँ हैं:\n", X[:8])आउटपुट
फीचर नाम हैं: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] टारगेट नाम हैं: ['setosa' 'versicolor' 'virginica'] डेटासेट की पहली 8 पंक्तियाँ हैं: [[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2] [4.6 3.1 1.5 0.2] [5. 3.6 1.4 0.2] [5.4 3.9 1.7 0.4] [4.6 3.4 1.4 0.3] [5. 3.4 1.5 0.2]]
व्याख्या
- आवश्यक पैकेज आयात किए गए हैं।
- इसके लिए आवश्यक डेटासेट भी वातावरण में लोड किया गया है।
- डेटासेट से फीचर्स और टारगेट वैल्यू को अलग किया गया है।
- ये फीचर्स और टारगेट कंसोल पर प्रिंट किए गए हैं।
- साथ ही, डेटा का एक नमूना देखने के लिए, डेटा की पहली 8 पंक्तियों को कंसोल पर प्रिंट किया जाता है।
