样本数据集
为了便于测试，sklearn 在 sklearn.datasets 模块中提供了一些内置数据集。例如，让我们加载 Fisher 的虹膜数据集：
import sklearn.datasets
iris_dataset = sklearn.datasets.load_iris()
iris_dataset.keys()
['target_names', 'data', 'target', 'DESCR', 'feature_names']
你可以阅读完整描述，功能名称和类名称（target_names）。那些存储为字符串。
我们对存储在 data 和 target 字段中的数据和类感兴趣。按照惯例，这些表示为 X 和 y
X, y = iris_dataset['data'], iris_dataset['target']
X.shape, y.shape
((150, 4), (150,))
numpy.unique(y)
array([0, 1, 2])
X 和 y 的形状说有 150 个样本有 4 个特征。每个样本属于以下类别之一：0,1 或 2。
通过调用分类器的 fit() 方法，X 和 y 现在可用于训练分类器。
以下是 sklearn.datasets 模块提供的完整数据集列表及其大小和用途：
| 加载 | 描述 | 尺寸 | 用法 |
|---|---|---|---|
load_boston() |
波士顿房价数据集 | 506 | 回归 |
load_breast_cancer() |
乳腺癌威斯康星州数据集 | 569 | 分类（二进制） |
load_diabetes() |
糖尿病数据集 | 442 | 回归 |
load_digits(n_class) |
数字数据集 | 1797 | 分类 |
load_iris() |
虹膜数据集 | 150 | 分类（多级） |
load_linnerud() |
Linnerud 数据集 | 20 | 多元回归 |
请注意（来源： http ： //scikit-learn.org/stable/datasets/） ：
这些数据集可用于快速说明 scikit 中实现的各种算法的行为。然而，它们通常太小而无法代表现实世界的机器学习任务。
除了这些内置的玩具样本数据集，sklearn.datasets 还提供了用于加载外部数据集的实用程序功能：
load_mlcomp用于从 mlcomp.org 存储库加载样本数据集 （请注意，之前需要下载数据集）。这是一个使用示例。fetch_lfw_pairs和fetch_lfw_people用于加载来自 http://vis-www.cs.umass.edu/lfw/ 的野外标记面（LFW）对数据集，用于面部验证（分别面部识别）。此数据集大于 200 MB。这是一个使用示例。