正文

数据集怎么用（opencv数据集怎么用）

发布时间：2023-04-13 13:09:46 稿源：创意岭阅读： 74

大家好！今天让创意岭的小编来大家介绍下关于数据集怎么用的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

1、在sas中我想要使用数据集的某一行数字或者某一列数字怎么弄？
2、linnerud(体能训练)数据集怎么引用
3、finereport 里面数据集如何使用另外一个数据集的select出来的字段做查询条件
4、【2020-05-31】如何查看并使用R的内置数据集

数据集怎么用（opencv数据集怎么用）

一、在sas中我想要使用数据集的某一行数字或者某一列数字怎么弄？

使用某一列很好办。某一列其实就是一个变量，如果你只想保留这个一个变量的话：

Data new;

set old(keep=a);

run;

至于如何使用某一行么，当时我也遇到过这个问题，我用了比较笨的办法，希望能够帮助到你。其实就是想办法将数据进行转置。这样使用某一行就变成了上述查询某一列的问题了。

proc transpose data=old out=new;

run;

当然直接保留某一行也是可以的

比如你只想选取第n个观察值;

Data new;

set old;

if _N_=n;

run;

PS:上述代码中 new 为输出的数据集，old 为原始数据集， a 为你所需要的某一列的变量名称

二、linnerud(体能训练)数据集怎么引用

以load_iris为例。

# 导入是必须的

from sklearn.datasets import load_iris

iris = load_iris()

iris # iris的所有信息，包括数据集、标签集、各字段名等

这个输出太长太乱，而且后边也有，我就不复制过来了

iris.keys() # 数据集关键字

dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names'])

descr = iris['DESCR']

data = iris['data']

feature_names = iris['feature_names']

target = iris['target']

target_names = iris['target_names']

descr

'Iris Plants Database\n====================\n\nNotes\n-----\nData Set Characteristics:\n :Number of Instances: 150 (50 in each of three classes)\n :Number of Attributes: 4 numeric, predictive attributes and the class\n :Attribute Information:\n - sepal length in cm\n - sepal width in cm\n - petal length in cm\n - petal width in cm\n - class:\n - Iris-Setosa\n - Iris-Versicolour\n - Iris-Virginica\n :Summary Statistics:\n\n ============== ==== ==== ======= ===== ====================\n Min Max Mean SD Class Correlation\n ============== ==== ==== ======= ===== ====================\n sepal length: 4.3 7.9 5.84 0.83 0.7826\n sepal width: 2.0 4.4 3.05 0.43 -0.4194\n petal length: 1.0 6.9 3.76 1.76 0.9490 (high!)\n petal width: 0.1 2.5 1.20 0.76 0.9565 (high!)\n ============== ==== ==== ======= ===== ====================\n\n :Missing Attribute Values: None\n :Class Distribution: 33.3% for each of 3 classes.\n :Creator: R.A. Fisher\n :Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)\n :Date: July, 1988\n\nThis is a copy of UCI ML iris datasets.\nhttp://archive.ics.uci.edu/ml/datasets/Iris\n\nThe famous Iris database, first used by Sir R.A Fisher\n\nThis is perhaps the best known database to be found in the\npattern recognition literature. Fisher's paper is a classic in the field and\nis referenced frequently to this day. (See Duda & Hart, for example.) The\ndata set contains 3 classes of 50 instances each, where each class refers to a\ntype of iris plant. One class is linearly separable from the other 2; the\nlatter are NOT linearly separable from each other.\n\nReferences\n----------\n - Fisher,R.A. "The use of multiple measurements in taxonomic problems"\n Annual Eugenics, 7, Part II, 179-188 (1936); also in "Contributions to\n Mathematical Statistics" (John Wiley, NY, 1950).\n - Duda,R.O., & Hart,P.E. (1973) Pattern Classification and Scene Analysis.\n (Q327.D83) John Wiley & Sons. ISBN 0-471-22361-1. See page 218.\n - Dasarathy, B.V. (1980) "Nosing Around the Neighborhood: A New System\n Structure and Classification Rule for Recognition in Partially Exposed\n Environments". IEEE Transactions on Pattern Analysis and Machine\n Intelligence, Vol. PAMI-2, No. 1, 67-71.\n - Gates, G.W. (1972) "The Reduced Nearest Neighbor Rule". IEEE Transactions\n on Information Theory, May 1972, 431-433.\n - See also: 1988 MLC Proceedings, 54-64. Cheeseman et al"s AUTOCLASS II\n conceptual clustering system finds 3 classes in the data.\n - Many, many more ...\n'

三、finereport 里面数据集如何使用另外一个数据集的select出来的字段做查询条件

这个的话可以绑定数据列，将数据列拖拽至单元格，并设置单元格的属性

数据集怎么用（opencv数据集怎么用）