import os

 from sklearn.datasets import load_iris, fetch_20newsgroups, load_boston

 from sklearn.model_selection import train_test_split

 li = load_iris()  # sklearn库具有获取数据的接口

 print(li.data)  # 获取特征值

 print()

 # 0、1、2分别代表鸾尾花的三个类别

 print(li.target)  #获取目标值

 print(li.DESCR)  # 打印描述，150个样本，四个特征，三个类别

 print(li.feature_names)  # 特征明

 print(li.target_names)  # 标签类别名

 # 注意返回值： 训练集train，x_train，y_train，测试集test，x_test，y_test

 # x_train为训练集的特征值，y_train为训练集的目标值，x_test为测试集的特征值，y_test为测试集的目标值

 # 注意，接收参数的顺序固定

 # 训练集占75%，测试集占25%

 x_train, x_test, y_train, y_test = train_test_split(li.data, li.target, test_size=0.25)

 print('训练集的特征值和目标值：', x_train, y_train)

 print('测试集的特征值和目标值：', x_test, y_test)

 # 获取新闻数据，all代表下载所有，训练集和测试集都下载,data_home保存的路径

 news = fetch_20newsgroups(data_home=os.path.curdir, subset='all')

 print(news.data)

 print(news.target)

 lb = load_boston()  # 回归数据

 print('获取特征值')

 print(lb.data)

 print('目标值')

 print(lb.target)

 print(lb.DESCR)