De gegevensset Diabetes bevat 442 voorbeelden met 10 functies en is daarmee ideaal om aan de slag te gaan met algoritmen voor machine learning. Het is een van de populairste Scikit Learn Toy-gegevenssets.
Microsoft biedt Azure Open Datasets op een 'as is'-basis. Microsoft biedt geen garanties, expliciet of impliciet, garanties of voorwaarden met betrekking tot uw gebruik van de gegevenssets. Voor zover is toegestaan op grond van uw lokale wetgeving, wijst Microsoft alle aansprakelijkheid af voor schade of verliezen, met inbegrip van directe schade, gevolgschade, speciale, indirecte, incidentele of bestraffende schade als gevolg van uw gebruik van de gegevenssets.
Deze gegevensset wordt geleverd onder de oorspronkelijke voorwaarden dat Microsoft de brongegevens heeft ontvangen. De gegevensset kan gegevens bevatten die afkomstig zijn van Microsoft.
Kolommen
Naam
Gegevenstype
Uniek
Waarden (voorbeeld)
LEEFTIJD
bigint
58
53 60
BMI
double
163
24.1 23.5
BP
double
100
93.0 83.0
S1
bigint
141
162 184
S2
double
302
125.8 114.8
S3
double
63
46.0 38.0
S4
double
66
3.0 4.0
S5
double
184
4.4427 4.3041
S6
bigint
56
92 96
SEX
bigint
2
1 2
J
bigint
214
72 200
Preview
LEEFTIJD
SEX
BMI
BP
S1
S2
S3
S4
S5
S6
J
59
2
32.1
101
157
93.2
38
4
4.8598
87
151
48
1
21.6
87
183
103.2
70
3
3.8918
69
75
72
2
30.5
93
156
93.6
41
4
4.6728
85
141
24
1
25.3
84
198
131.4
40
5
4.8903
89
206
50
1
23
101
192
125.4
52
4
4.2905
80
135
23
1
22.6
89
139
64.8
61
2
4.1897
68
97
36
2
22
90
160
99.6
50
3
3.9512
82
138
66
2
26.2
114
255
185
56
4.55
4.2485
92
63
60
2
32.1
83
179
119.4
42
4
4.4773
94
110
29
1
30
85
180
93.4
43
4
5.3845
88
310
Toegang tot gegevens
Gebruik de volgende codevoorbeelden voor toegang tot deze gegevensset in Azure Notebooks, Azure Databricks of Azure Synapse.
# This is a package in preview.
from azureml.opendatasets import Diabetes
diabetes = Diabetes.get_tabular_dataset()
diabetes_df = diabetes.to_pandas_dataframe()
diabetes_df.info()
# Pip install packages
import os, sys
!{sys.executable} -m pip install azure-storage-blob
!{sys.executable} -m pip install pyarrow
!{sys.executable} -m pip install pandas
# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "mlsamples"
folder_name = "diabetes"
from azure.storage.blob import BlockBlobServicefrom azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient
if azure_storage_account_name is None or azure_storage_sas_token is None:
raise Exception(
"Provide your specific name and key for your Azure Storage account--see the Prerequisites section earlier.")
print('Looking for the first parquet under the folder ' +
folder_name + ' in container "' + container_name + '"...')
container_url = f"https://{azure_storage_account_name}.blob.core.windows.net/"
blob_service_client = BlobServiceClient(
container_url, azure_storage_sas_token if azure_storage_sas_token else None)
container_client = blob_service_client.get_container_client(container_name)
blobs = container_client.list_blobs(folder_name)
sorted_blobs = sorted(list(blobs), key=lambda e: e.name, reverse=True)
targetBlobName = ''
for blob in sorted_blobs:
if blob.name.startswith(folder_name) and blob.name.endswith('.parquet'):
targetBlobName = blob.name
break
print('Target blob to download: ' + targetBlobName)
_, filename = os.path.split(targetBlobName)
blob_client = container_client.get_blob_client(targetBlobName)
with open(filename, 'wb') as local_file:
blob_client.download_blob().download_to_stream(local_file)
# Read the parquet file into Pandas data frame
import pandas as pd
print('Reading the parquet file into Pandas data frame')
df = pd.read_parquet(filename)
# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df
Voorbeeld niet beschikbaar voor deze platform-/pakketcombinatie.
# This is a package in preview.
from azureml.opendatasets import Diabetes
diabetes = Diabetes.get_tabular_dataset()
diabetes_df = diabetes.to_spark_dataframe()
display(diabetes_df.limit(5))
Voorbeeld niet beschikbaar voor deze platform-/pakketcombinatie.
# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "mlsamples"
blob_relative_path = "diabetes"
blob_sas_token = r""
# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
blob_sas_token)
print('Remote blob path: ' + wasbs_path)
# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')
# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))