8个版本 (4个破坏性更新)

0.7.0	2023年10月16日
0.6.1	2022年12月3日
0.6.0	2022年6月15日
0.5.1	2022年3月1日
0.3.0	2021年1月20日

在机器学习分类中排名 319

每月下载量 616
被 13 crate 使用

MIT/Apache 协议

255KB
4K SLoC

数据集

linfa-datasets 提供了一组常用数据集，可用于测试和示例。

总体情况

linfa-datasets 是 Linfa 生态系统中的一个 crate，Linfa 是一个在纯 Rust 中实现经典机器学习工具包的努力，类似于 Python 的 scikit-learn。

当前状态

目前提供以下数据集

名称	描述	样本数，特征数，目标数	目标	参考
iris	Iris 数据集提供了属于三个不同类别的花朵属性样本，其中只有两个是线性可分的。它由 Ronald Fisher 在 1936 年作为线性判别分析的示例引入。	150, 4, 1	多类分类	此处
winequality	Winequality 数据集测量葡萄酒的不同属性，如酸度，并给出从 3 到 8 的质量评分。它在葡萄牙北部收集。	441, 10, 1	多类分类	此处
diabetes	Diabetes 数据集提供了人体生物指标样本，如 BMI、年龄、血液指标，并尝试预测糖尿病的进展。	1599, 11, 1	回归	此处
linnerud	Linnerud 数据集包含 20 名中年男性健身俱乐部的样本。他们的身体能力和生物指标相关。	20, 3, 3	回归	此处

该软件包的目的是简化数据集加载过程。加载的数据集以命名特征的形式返回为 linfa::Dataset 结构。该软件包还包括从CSV文件读取数组时的辅助函数。

此外，该软件包还提供了用于随机生成测试数据集的实用函数。

使用数据集

要在项目中使用提供的其中一个数据集，请将 linfa-datasets 软件包添加到您的 Cargo.toml，并启用相应的功能

linfa-datasets = { version = "0.x", features = ["winequality"] }

然后您可以在工作代码中使用该数据集

let (train, valid) = linfa_datasets::winequality()
    .split_with_ratio(0.8);

从文件读取

linfa-datasets 还能够从CSV文件中读取二维数组

use std::fs::File;
use std::io::Read;

let file = File::open("data.csv.gz").unwrap();
// Read the array from a GZipped CSV file with a header and separated by commas
let array = linfa_datasets::array_from_gz_csv(file, true, b',').unwrap();

数据生成

要随机生成数据集，请在 linfa-datasets 上启用 generate 功能。API位于软件包的 generate 模块中。

依赖项

~5MB
~88K SLoC