如何将自定义CSV数据集加载到Bunch数据对象中？

Scikit-learn的Bunch是一个类字典的容器，你可以手动把CSV数据的核心部分（特征矩阵、目标向量、特征名、目标名等）封装进去，具体步骤如下：

1. 准备依赖并加载CSV数据 #

用pandas加载本地CSV文件（处理表头和文本型数据更便捷，也可使用numpy.loadtxt）：

import pandas as pd
from sklearn.utils import Bunch

# 替换为你的CSV文件路径
df = pd.read_csv("your_dataset.csv")

2. 拆分数据与元信息 #

根据CSV结构拆分特征、目标变量，提取对应的元信息：

# 假设CSV最后一列是目标变量，其余列为特征
data = df.iloc[:, :-1].values  # 特征矩阵
target = df.iloc[:, -1].values  # 目标向量
feature_names = df.columns[:-1].tolist()  # 特征名称列表
target_names = pd.unique(target).tolist()  # 唯一目标类别名称

3. 构造Bunch对象 #

将上述数据和元信息传入Bunch，还可自定义数据集描述：

custom_dataset = Bunch(
    data=data,
    target=target,
    feature_names=feature_names,
    target_names=target_names,
    DESCR="本地CSV加载的自定义数据集"  # 可根据需求修改描述文本
)

验证使用 #

现在你可以像使用load_iris()返回的Bunch对象一样操作它：

# 打印特征名称
print(custom_dataset.feature_names)
# 查看前5条特征数据
print(custom_dataset.data[:5])

内容的提问来源于stack exchange，提问作者nicomp