sklearn数据集——iris鸢尾花数据集_iris数据集

通过上面的描述信息，我们可以知道该数据集包含150条数据，每50条数据属于一个类别，即有三个类别，每一条数据有四个特征。

target_names 键对应的值是一个字符串数组，里面包含我们要预测的花的品种：

print("Target names: {}".format(iris_dataset['target_names']))

输出：

Target names: ['setosa' 'versicolor' 'virginica']

由此，我们可以知道鸢尾花数据集iris包含3类鸢尾花，分别为山鸢尾（Iris-setosa）、杂色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）

feature_names 键对应的值是一个字符串列表，对每一个特征进行了说明：

print("Feature names: \n{}".format(iris_dataset['feature_names']))

输出：

Feature names: 
['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

由此，我们可以知道每条数据包含4个特征：花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）、花瓣宽度（petal width）

**数据包含在 target 和 data 字段中。**data 里面是花萼长度、花萼宽度、花瓣长度、花瓣宽度的测量数据，格式为 NumPy 数组：

print("Type of data: {}".format(type(iris_dataset['data'])))

输出：

Type of data: <class 'numpy.ndarray'>

data 数组的每一行对应一朵花，列代表每朵花的四个测量数据：

print("Shape of data: {}".format(iris_dataset['data'].shape))

输出：