sklearn.datasets.load_diabetes()

load_diabetes() 是 sklearn.datasets 提供的 糖尿病回归数据集，用于 回归任务，适用于 机器学习算法测试 和 回归问题研究。

---

1. load_diabetes() 数据集简介

属性	说明
样本数	442
特征数	10（年龄、BMI、血压等）
任务类型	回归问题（预测糖尿病病情进展）
目标值	连续数值（范围约 25~346）

---

2. load_diabetes() 代码示例

(1) 加载数据集

from sklearn.datasets import load_diabetes

# 加载数据
diabetes = load_diabetes()

# 获取特征矩阵和目标变量
X, y = diabetes.data, diabetes.target

print("特征矩阵形状:", X.shape)
print("目标变量形状:", y.shape)
print("特征名称:", diabetes.feature_names)

输出

特征矩阵形状: (442, 10)
目标变量形状: (442,)
特征名称: ['age', 'sex', 'bmi', 'bp', 's1', 's2', 's3', 's4', 's5', 's6']

解释

• X.shape = (442, 10)：442 个样本，每个样本 10 个特征。
• y.shape = (442,)：442 个目标值（连续数值）。
• feature_names：包含 年龄 (age)、BMI (bmi)、血压 (bp) 等 10 个特征。

---

(2) 数据集格式

print(type(diabetes))

输出

<class 'sklearn.utils._bunch.Bunch'>

解释

• load_diabetes() 返回的是 Bunch 对象，类似于字典，可通过 .data、.target、.feature_names 访问数据。

---

(3) 转换为 Pandas DataFrame

import pandas as pd

# 转换为 DataFrame
df = pd.DataFrame(diabetes.data, columns=diabetes.feature_names)
df["target"] = diabetes.target  # 添加目标变量

print(df.head())

输出

        age       sex       bmi        bp       s1       s2       s3       s4       s5       s6  target
0  0.038076  0.050680  0.061696  0.021872 -0.044223 -0.034821 -0.043401 -0.002592  0.019907 -0.017646   151.0
1 -0.001882 -0.044642 -0.051474 -0.026328 -0.008449 -0.019163  0.074411 -0.039493 -0.068332 -0.092204    75.0
2  0.085299  0.050680  0.044451 -0.005670 -0.045599 -0.034194 -0.032356 -0.002592  0.002861 -0.025930   141.0
3 -0.089063 -0.044642 -0.011595 -0.036656  0.012191  0.024991 -0.036038  0.034309  0.022688 -0.009362   206.0
4  0.005383 -0.044642 -0.036385  0.021872  0.003935  0.015596  0.008142  0.002864  0.022687 -0.009362   135.0

解释

• 数据已标准化，范围 [-0.2, 0.2]（需要 StandardScaler() 逆变换回原值）。
• 目标值 (target) 是糖尿病病情进展指数。

---

3. load_diabetes() 数据分析

(1) 目标值分布

import seaborn as sns
import matplotlib.pyplot as plt

sns.histplot(df["target"], bins=30, kde=True)
plt.title("糖尿病病情进展目标值分布")
plt.show()

解释

• 查看目标变量的分布情况，判断是否需要归一化。

---

(2) 特征相关性

import numpy as np
import seaborn as sns

# 计算相关性
corr_matrix = df.corr()

# 可视化
plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap="coolwarm")
plt.title("特征相关性热图")
plt.show()

解释

• 观察特征与目标变量的相关性，决定是否进行特征选择。

---

4. 适用场景

• 回归任务（预测连续数值）。
• 特征工程与数据可视化（数据已标准化）。
• 机器学习算法测试（如 线性回归、随机森林、XGBoost）。

---

5. load_diabetes() vs. 其他数据集

数据集	任务类型	样本数	特征数	适用场景
load_iris()	多分类	150	4	经典分类问题
load_wine()	多分类	178	13	葡萄酒分类
load_digits()	多分类	1797	64	手写数字识别
load_diabetes()	回归	442	10	糖尿病预测
fetch_california_housing()	回归	20640	8	房价预测

---

6. 结论

• load_diabetes() 提供了 442 个样本，用于回归任务，适用于 糖尿病预测、特征工程研究。
• 数据已 标准化，需要 逆变换回原始数值 以进行可解释性分析。