介紹 小型標準數據集 Toy Datasets
這些是內置於 Scikit-learn 庫中的小型數據集，通常用於演示和測試基本的機器學習演算法。這些數據集的特點是數據量較小，加載快速，非常適合用於教學和快速原型開發。
主要的小型標準數據集包括：
- Iris（鳶尾花）數據集
- Digits（手寫數字）數據集
- Boston Housing（波士頓房價）數據集
- Breast Cancer Wisconsin（乳腺癌）數據集
- Wine（葡萄酒）數據集
- Linnerud 數據集
- Diabetes（糖尿病）數據集
應用
1. Iris（鳶尾花）數據集
- 包含 150 個樣本，每個樣本有四個特徵（萼片和花瓣的長度及寬度）
- 目標: 用於分類，將樣本分為三個鳶尾花種類之一
2. Digits（手寫數字）數據集
- 包含 1,797 個 8x8 像素的手寫數字圖像。
- 目標: 用於多類分類，識別圖像表示的數字（0到9）。
3. Boston Housing（波士頓房價）數據集
- 包含 506 個樣本和 13 個特徵，如犯罪率、房產稅率等。
- 目標: 用於迴歸分析，預測波士頓地區的房屋中位數價格。
4. Breast Cancer Wisconsin（威斯康辛乳腺癌）數據集
- 包含 569 個樣本和 30 個特徵，這些特徵從數字化的乳腺組織圖像中計算得出。
- 目標: 用於二元分類，預測乳腺腫瘤是良性還是惡性
5. Wine（葡萄酒）數據集
- 包含 178 個樣本和 13 個化學特徵，如酒精含量、蘋果酸含量等
- 目標: 用於多類分類，根據化學分析結果將葡萄酒分為三種類別之一
6. Linnerud 數據集
- 包含 20 個樣本，每個樣本有三個生理測量特徵（體重、腰圍、脈搏）和三個運動測量特徵（引體向上、仰臥起坐、跳遠）。
- 目標: 用於多輸出迴歸分析
7. Diabetes（糖尿病）數據集
- 包含 442 個樣本和 10 個生物學特徵，如年齡、性別、體重指數、平均血壓和六個血清指標。
- 目標: 用於迴歸分析，預測一年後病情發展的定量指標
