sklearn.datasets.fetch_20newsgroups?

sklearn.datasets.fetch_20newsgroups(*, data_home=None, subset='train', categories=None, shuffle=True, random_state=42, remove=(), download_if_missing=True, return_X_y=False)

[源碼]

從20個新聞組數據集中加載文件名和數據（分類）。

如有必要，請下載。

類 20
樣本總數 18846
維度 1
特征 text

在用戶指南中閱讀更多內容。

參數 說明
data_home optional, default: None
指定數據集的下載和緩存文件夾。 如果為None，則所有scikit-learn數據都存儲在“?/scikit_learn_data”子文件夾中。
subset ‘train’ or ‘test’, ‘all’, optional
選擇要加載的數據集：“train”用于訓練集，“test”用于測試集，“all”用于兩者，并按隨機順序排序。
categories None or collection of string or unicode
如果None（默認），則加載所有類別。 如果不是None，則加載類別名稱列表（忽略其他類別）。
shuffle bool, optional
是否對數據進行shuffle：對于假設樣本是獨立且均勻分布（i.i.d.）的模型（例如隨機梯度下降）可能很重要。
random_state int, RandomState instance, default=None
確定用于數據集shuffle的隨機數生成。 為多個函數調用傳遞可重復輸出的int值。 請參閱術語表。
remove tuple
可以包含（“headers”，“footers”，“quotes”）的任何子集。 這些文本中的每一種都是將被檢測到并從新聞組帖子中刪除的文本，從而防止分類器過度擬合元數據。

“headers”刪除新聞組頁眉，“footers”刪除帖子結尾處看起來像簽名的塊，“quotes”刪除看起來像是引用另一篇文章的行。
“headers”遵循嚴格的標準；其他過濾器并不總是如此。
download_if_missing optional, True by default
如果為False，則在數據不在本地可用時引發IOError，而不是嘗試從源站點下載數據。
return_X_y bool, default=False.
如果為True，則返回（data.data，data.target）而不是Bunch對象。

0.22版中的新功能。
返回值 說明
bunch Bunch
類字典對象，具有以下屬性。
- data:list, length [n_samples]
要學習的數據列表。
- target: array, shape [n_samples]
目標標簽。
filenames: list, length [n_samples]
數據位置的路徑。
- DESCR: str
數據集的完整描述。
- target_names: list, length [n_classes]
目標類的名稱。
(data, target) tuple if return_X_y=True
0.22版中的新功能。