sklearn.datasets--学习笔记

1. 自带的经典小数据集
   1. 波士顿房价数据:
      1. 适用于回归任务
      2. 包含了506处波士顿不同地理位置的房产的房价数据（因变量），和与之对应的包含房屋以及房屋周围的详细信息（自量），其中包含城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等13个维度的数据。
      3. 使用

         load_boston(return_X_y=False)

         方法来导出数据，其中参数return_X_y控制输出数据的结构，若选为True，则将因变量和自变量独立导出；
   2. 威斯康辛州乳腺癌数据:
      1. 适用于分类问题
      2. 包含了威斯康辛州记录的569个病人的乳腺癌恶性/良性（1/0）类别型数据（训练目标），以及与之对应的30个维度的生理指标数据；因此这是个非常标准的二类判别数据集，使用

         load_breast_cancer(return_X_y)

         来导出数据：
   3. 糖尿病数据:
      1. 适用于回归任务
      2. 包括442行数据，10个属性值，分别是：Age(年龄)、性别(Sex)、Body mass index(体质指数)、Average Blood Pressure(平均血压)、S1~S6一年后疾病级数指标。Target为一年后患疾病的定量指标，因此适合与回归任务；使用

         load_diabetes(return_X_y)

         来导出数据。
   4. 手写数字数据集:
      1. 适用于分类任务
      2. 是结构化数据的经典数据，共有1797个样本，每个样本有64的元素，对应到一个8x8像素点组成的矩阵，每一个值是其灰度值（控制每一个像素的黑白浓淡）
      3. 每个样本还原到矩阵后代表一个手写体数字
      4. 使用

         load_digits(return_X_y)

         来导出数据
   5. Fisher的鸢尾花数据:
      1. 适用于分类问题
      2. 包含了150个鸢尾花样本，对应3种鸢尾花，各50个样本（target），以及它们各自对应的4种关于花外形的数据（自变量）
      3. 使用

         load_iris(return_X_y)

         来导出数据
   6. 红酒数据:
      1. 适用于分类问题
      2. 共178个样本，代表了红酒的三个档次（分别有59,71,48个样本），以及与之对应的13维的属性数据，非常适合用来练习各种分类算法；
      3. 使用

         load_wine(return_X_y)

         来导出数据
   7. 以上还可以在sklearn\datasets_base.py文件中查看信息：种类数目，每类的数量，维度
2. 自定义的数据集：
   1. 产生服从正态分布的聚类用数据
   2. 产生同心圆样本点    
   3. 生成模拟分类数据集（wsy：应该和层次聚类有关）
   4. 生成太极型非凸集样本点
3. 较大的需要下载的数据集：
   1. 用datasets.fetch_xx()加载。
   2. openml.org 是一个用于机器学习数据和实验的公共存储库，它允许每个人上传开放的数据集，可以通过sklearn.datasets.fetch_openml()函数来从openml.org下载数据集。