load_files中的scikit学习不加载目录中的所有文件

Question

我有一个名为“电子邮件”的文件夹，两个子文件夹的名称与他们所拥有的文件的分类相对应的标签(垃圾邮件或非垃圾邮件，都是.txt文件)。这两个子文件夹中有3000个文件。使用load_files：

data = load_files('emails', shuffle='False')
print len(data)
print len(data.target)

这个打印'5‘然后'3000’。如果发现了3000种分类标签，数据的长度怎么可能只有5？

Answer 1

您的数据存储在data.data中，目标存储在data.target中。试一试print(len(data.data))。

load_files()只返回一个sklearn.datasets.base.Bunch，这是一个简单的数据包装器。因此，data的格式如下：

{
'DESCR': None,
 'data': [],
 'filenames': array(),
 'target': array(),
 'target_names': []
}

这就是为什么len(data)返回5的原因。

希望这能有所帮助！