`sklearn.datasets`.load_wine¶

sklearn.datasets.load_wine()¶

Carga y devuelve el conjunto de datos de vino (clasificación).

Nuevo en la versión 0.18.

El conjunto de datos de vino es un conjunto de datos de clasificación multiclase clásico y muy sencillo.

Clases	3
Muestras por clase	[59,71,48]
Total de muestras	178
Dimensionalidad	13
Características	reales, positivos

Leer más en el Manual de Usuario.

Parámetros

return_X_ybool, default=False: Si es True, devuelve (data, target) en lugar de un objeto Bunch. Ver más abajo para más información sobre los objetos data y target.
as_framebool, default=False: Si es True, los datos son un DataFrame de pandas que incluye columnas con los dtypes apropiados (numéricos). El objetivo es un DataFrame o una Serie de pandas, dependiendo del número de columnas del objetivo. Si return_X_y es True, entonces (data, target) serán DataFrames o Series de Pandas como se describe más adelante.

Nuevo en la versión 0.23.

Devuelve

dataBunch

Objeto dictionary-like, con los siguientes atributos.

data{ndarray, dataframe} de forma (178, 13): La matriz de datos. Si as_frame=True, data será un DataFrame de pandas.
target: {ndarray, Series} de forma (178,): El objetivo de la clasificación. Si as_frame=True, target será una Serie de pandas.
feature_names: list: Los nombres de las columnas del conjunto de datos.
target_names: list: Los nombres de las clases objetivo.
frame: DataFrame de forma (178, 14): Sólo está presente cuando as_frame=True. DataFrame con data y target.

Nuevo en la versión 0.23.
DESCR: str: La descripción completa del conjunto de datos.

(data, target) : tuple si return_X_y es Truetuple si

La copia del conjunto de datos de UCI ML Wine se descarga y se modifica para que se ajuste

formato estándar de:

https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data

Ejemplos

Supongamos que estás interesado en las muestras 10, 80 y 140, y quieres saber su nombre de clase.

>>> from sklearn.datasets import load_wine
>>> data = load_wine()
>>> data.target[[10, 80, 140]]
array([0, 1, 2])
>>> list(data.target_names)
['class_0', 'class_1', 'class_2']

Ejemplos usando `sklearn.datasets.load_wine`¶

sklearn.datasets.load_wine¶

Ejemplos usando sklearn.datasets.load_wine¶

`sklearn.datasets`.load_wine¶

Ejemplos usando `sklearn.datasets.load_wine`¶