学习机器学习中常见的数据集及自定义数据集

在学习机器学习中，会用到不少的数据集，这里给出几个较为常见的数据集，以及他们的导入方式，以便于大家学习。

鸢尾花

首先介绍鸢尾花数据集，鸢尾花数据集是一个典型的用于分类的数据集，且是多分类的数据集。在这个数据集中，所有的鸢尾花可以被根据各自特征的不同被分为三大类：分别为山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）。每一个鸢尾花都有四个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度。我们的主要任务就是依据这四个特征值，识别出不同的鸢尾花属于哪一类别。

导入鸢尾花的API如下：from sklearn.datasets import load_iris

# 鸢尾花数据集
from sklearn.datasets import load_iris
iris=load_iris()
x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_
state= 22, test_size=0.2)

datasets是sklearn的一个库，里面存放着不同的数据集，供我们下载训练。本专栏所使用的数据集基本都从sklearn.datasets中下载。代码中的第三行：运用到数据集分割函数：train_test_split()

波士顿房价数据集

该数据集是用于训练回归模型的典型数据集，该数据集的每一个记录有14个特征值，最终目的为通过训练集的学习，预测出波士顿地区的房价中位数，输出类型为连续型数值输出，故显然为回归任务。