机器学习之建模，导入数据集，划分数据集

1、机器学习建模3大流程：

1.    实例化，建立评估模型对象

2.   通过模型接口训练数据

3.  通过模型接口提取需要的信息 （给模型打分）

2、 数据集的实例化(以葡萄酒数据集为例)：

1.    数据集模块sklearn.datasets.数据

以导入葡萄酒数据集为例：

from sklearn.datasets import load_wine

3、  数据集的实例化

Win = load_wine()

4、    数据集常用数据

      1.   data (数据集的特征数据)

      2.    target ( 数据集的标签 )

      3.    feature_names(特征的名字)

5、数据集的 划分：

1.    划分数据集模块

from sklearn.model_selection import train_test_split

6、实例化对象

train_test_split(）

7、 train_test_split(）所需参数及其返回值

1.    数据集的特征数据

2.    数据集的标签

3.    test_size 划分数据集

例：test_size =0.4 表示将40%的数据集划分为测试集，用于测试训练好的模型，将剩下60%的数据集划分为训练集，用于训练模型

4.    返回值（注意：返回值顺序）

返回4个数据集依次为：特征数据的训练数据，特征数据的测试数据，标签的训练数据，标签的测试数据