`sklearn.datasets`.fetch_20newsgroups_vectorized¶

sklearn.datasets.fetch_20newsgroups_vectorized()¶

Cargar y vectorizar el conjunto de datos de 20 grupos de noticias (clasificación).

Descargar si es necesario.

Esta es una función de conveniencia; la transformación se realiza utilizando la configuración por defecto de CountVectorizer. Para un uso más avanzado (filtrado de palabras de parada, extracción de n-gramas, etc.), combina fetch_20newsgroups con un CountVectorizer personalizado, HashingVectorizer, TfidfTransformer o TfidfVectorizer.

Los recuentos resultantes se normalizan utilizando sklearn.preprocessing.normalize a menos que normalize se establezca en False.

Clases	20
Total de muestras	18846
Dimensionalidad	130107
Característica	real

Lee más en la Manual de usuario.

Parámetros

subconjunto{“train”, “test”, “all”}, default=”train”

Seleccione el conjunto de datos a cargar: “train” para el conjunto de entrenamiento, “test” para el conjunto de prueba, “all” para ambos, con ordenación aleatoria.

removetuple, default=()

Puede contener cualquier subconjunto de (“headers”, “footers”, “quotes”). Cada uno de ellos es un tipo de texto que será detectado y eliminado de los mensajes de los grupos de noticias, evitando que los clasificadores se ajusten en exceso a los metadatos.

Los «headers» eliminan los encabezados de los grupos de noticias, los «footers» eliminan los bloques al final de los mensajes que parecen firmas, y las «quotes» eliminan las líneas que parecen citar otro mensaje.

data_homestr, default=None

Especifique una carpeta de descarga y de caché para los conjuntos de datos. Si es None, todos los datos de scikit-learn se almacenan en las subcarpetas “~/scikit_learn_data”.

download_if_missingbool, default=True

Si es False, lanza un IOError si los datos no están disponibles localmente en lugar de intentar descargar los datos desde el sitio de origen.

return_X_ybool, default=False

Si es True, devuelve (data.data, data.target) en lugar de un objeto Bunch.

Nuevo en la versión 0.20.

normalizebool, default=True

Si es True, normaliza el vector de características de cada documento a la norma unitaria usando sklearn.preprocessing.normalize.

Nuevo en la versión 0.22.

as_framebool, default=False

Si es True, los datos son un DataFrame de pandas que incluye columnas con los dtypes apropiados (numérico, cadena o categórico). El objetivo es un DataFrame de pandas o una Serie dependiendo del número de target_columns.

Nuevo en la versión 0.24.

Devuelve

bunchBunch

Objeto tipo diccionario, con los siguientes atributos.

data: {sparse matrix, dataframe} de forma (n_samples, n_features): La matriz de datos de entrada. Si as_frame es True, data es un DataFrame de pandas con columnas dispersas.
target: {ndarray, series} de forma (n_samples,): Las etiquetas del objetivo. Si as_frame es True, target son Series de pandas.
target_names: lista de shape (n_clases,): Los nombres de las clases objetivo.
DESCR: str: La descripción completa del conjunto de datos.
frame: dataframe de forma (n_samples, n_features + 1): Sólo está presente cuando as_frame=True. DataFrame de pandas con data y target.

Nuevo en la versión 0.24.

(data, target) : tupla si return_X_y es Truetupla si

datos y objetivo tendrían el formato definido en la descripción del Bunch anterior.

Nuevo en la versión 0.20.

Ejemplos con `sklearn.datasets.fetch_20newsgroups_vectorized`¶

sklearn.datasets.fetch_20newsgroups_vectorized¶

Ejemplos con sklearn.datasets.fetch_20newsgroups_vectorized¶

`sklearn.datasets`.fetch_20newsgroups_vectorized¶

Ejemplos con `sklearn.datasets.fetch_20newsgroups_vectorized`¶