分类与回归实践指南

1、请列举可以用于尝试分类问题的数据集来源，以及 sklearn 中可用于分类问题的具体数据集。

可以用于尝试分类问题的数据集来源有：
- UCI 机器学习库
- Kaggle

sklearn 中可用于分类问题的具体数据集有：
- datasets.load_wine
- datasets.load_breast_cancer

2、你可以使用 sklearn 中的回归数据集进行分类问题实践，尝试按照常见代码模式，使用 datasets.load_boston 数据集开启实践。

需要注意的是， datasets.load_boston 已从 sklearn 中移除，因为该数据集存在伦理问题。它包含了与种族相关的变量。

如果想进行回归问题实践，可使用其他合适的数据集，如 sklearn 中的：

• datasets.load_diabetes

若要进行分类问题实践，以下数据集是合适的选择：

• datasets.load_wine
• datasets.load_breast_cancer

3、使用支持向量分类器（SVC）说明偏差和方差效果不太好，若想看到清晰的偏差 - 方差（过拟合和欠拟合）示例，应该怎么做？若不知道高斯核函数怎么办？

若想看到清晰的偏差 - 方差（过拟合和欠拟合）示例，可用高斯核函数重新做相