使用scikit-learn的数据集

你是否还在为机器学习没有经典的数据集苦苦寻找？本文将为你介绍scikit-learn中的数据集及基本用法。
导入机器学习常用库numpy和matplot：

sklearn有很多数据集，我们先导入scikit-learn的数据集库，再导入鸢尾花数据集：

查看数据集里面有什么key，并且查看desc鸢尾花数据集的描述：

查看鸢尾花具体数据

查看数据集的shape和特征：

取分类结果数据：

所以我们可以看到，结果分三类，在数据里面表示为0、1、2，一共有150个样本。再结合上面的shape和特征，我们可以知道每个样本都有4个特征。
让我们开始使用数据，先通过fancy index的方式取前两个特征：

取两个特征的数据画散点图上：

把样本结果导入，并且取结果为0的数据，分别与0和1组合：

X[y==0,0]表示取样本结果为0的X的第一个特征；
X[y==0,1]表示取样本结果为0的X的第二个特征；
将不同的样本结果（0,1，2）的第一个特征和第二个特征分别绘制在散点图x轴y轴上，分别用不同的颜色和标记：

关于marker可以查看这里去了解更多
可以看到，2结果和3结果区分不是很清楚。
之前用的是第一个和第二个特征区分，我们可以用后面的两个第三第四特征区分，这样就比较清晰了：

其他的数据集，大家可以自行到scikit-learn的官网查看