初学者在学习机器学习时，经常会遇到数据集不足的问题，但实际上，scikit-learn 内置了许多可以直接用于机器学习的数据集，只需几行代码即可调用。

自带数据集

scikit-learn 提供了多个小型内置数据集，适用于各种任务，如回归和分类。以下是部分常用的数据集：

• 波士顿房价：回归任务，包含 506 条记录，每条记录有 13 个特征。
• 加州住房：回归任务，包含 20640 条记录，每条记录有 9 个特征。
• 糖尿病数据集：回归任务，包含 442 条记录，每条记录有 10 个特征。
• 手写字体识别：分类任务，包含 1797 条记录，每条记录有 64 个特征。
• 乳腺癌数据集：分类和聚类任务，包含 569 条记录，每条记录有 30 个特征。
• 鸢尾花数据集：分类和聚类任务，包含 150 条记录，每条记录有 4 个特征。
• 葡萄酒数据集：分类任务，包含 178 条记录，每条记录有 13 个特征。
• 体能训练数据集：多分类任务，包含 20 条记录，每条记录有 3 个特征。

如何使用

这些数据集包含了丰富的信息，可以通过以下关键字来访问这些信息：

• DESCR：数据集描述信息。
• data：外部数据（即 X）。
• feature_names：数据字段名称。
• target：数据标签（即 y）。
• target_names：标签字段名称（仅限分类数据集）。

以鸢尾花数据集为例

鸢尾花数据集通常用于分类测试。它包含 150 条记录，分为三类，每类 50 条样本。每条记录有 4 个特征，分别是花萼长度、花萼宽度、花瓣长度和花瓣宽度，单位均为厘米。

使用步骤

1. 导入数据

   python from sklearn.datasets import load_iris iris = load_iris()

2. 定义 X 和 y

   python X, y = iris.data, iris.target

3. 查看数据维度

   python X.shape, y.shape 输出为： python ((150, 4), (150,))

4. 查看特征名称

   python iris.feature_names 输出为： python ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

5. 查看标签名称

   python iris.target_names 输出为： python array(['setosa', 'versicolor', 'virginica'], dtype='<U10')

通过这些步骤，你可以轻松地获取和使用 scikit-learn 内置的数据集来进行机器学习实验。