Livro de receitas de aprendizagem automática com Python, 2ª edição

Capítulo 2. Carregamento de dados

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

2.0 Introdução

O primeiro passo em qualquer esforço de aprendizagem automática é colocar os dados brutos no nosso sistema. Os dados em bruto podem ser um ficheiro de registo, um ficheiro de conjunto de dados, uma base de dados ou um armazenamento de blob em Cloud, como o Amazon S3. Além disso, muitas vezes queremos obter dados de várias fontes.

As receitas deste capítulo abordam métodos de carregamento de dados a partir de uma variedade de fontes, incluindo ficheiros CSV e bases de dados SQL. Também abordamos métodos de geração de dados simulados com propriedades desejáveis para experimentação. Finalmente, embora existam muitas formas de carregar dados no ecossistema Python, vamos concentrar-nos na utilização do extenso conjunto de métodos da biblioteca pandas para carregar dados externos e na utilização do scikit-learn - uma biblioteca de aprendizagem automática de código aberto em Python - para gerar dados simulados.

2.1 Carregamento de um conjunto de dados de amostra

Problema

Pretendes carregar um conjunto de dados de amostra pré-existente da biblioteca scikit-learn.

Solução

O scikit-learn vem com uma série de conjuntos de dados populares para usares:

# Load scikit-learn's datasets
from sklearn import datasets

# Load digits dataset
digits = datasets.load_digits()

# Create features matrix
features = digits.data

# Create ...