『数据加载』之玩具数据集

机器学习的第一步是准备数据，好的数据能帮助我们加深对机器学习算法的理解。

不管是在学习还是实际工作中，准备数据永远是一个枯燥乏味的步骤。
scikit-learn库显然看到了这个痛点，才在它的数据加载子模块中为我们准备了直接可用的数据集。

在它的数据加载子模块中，提供了6种直接可用来学习算法的经典数据集，被称为 Toy Datasets，
也就是本篇准备介绍的玩具数据集。

1. 鸢尾花数据集

著名的鸢尾花数据集，最初由R.A.费舍尔爵士使用。
数据集取自费舍尔的论文。

1.1. 加载方式

from sklearn.datasets import load_iris

# 加载后的数据集 ds 是一个字典
ds = load_iris()
ds

直接的返回的字典中，除了数据还包含一些描述数据的元信息。
如果想要直接得到用于分析的数据，加载时设置如下的参数：

# as_frame 参数将数据部分设为pandas的Dataframe格式
# return_X_y 参数表示返回 (data, target) 格式
ds = load_iris(as_frame=True, return_X_y=True)

ds[0]  # Dataframe格式的数据

1.2. 数据概况

鸢尾花数据集是一个简单的多级分类数据集。

概况	说明
样本分类	3种
每种分类样本数	50
样本总数	150
样本维度	4
样本特征	real,