鸢尾花数据集（Iris Dataset）是机器学习领域中最经典的数据集之一，它包含 150 个样本，每个样本有 4 个特征，分别是：

1. 花萼长度（Sepal Length）

• 描述：花萼（花的外部绿色部分）的长度，单位为厘米。
• 取值范围：通常为 4.3 cm 到 7.9 cm。

2. 花萼宽度（Sepal Width）

• 描述：花萼的宽度，单位为厘米。
• 取值范围：通常为 2.0 cm 到 4.4 cm。

3. 花瓣长度（Petal Length）

• 描述：花瓣（花的彩色部分）的长度，单位为厘米。
• 取值范围：通常为 1.0 cm 到 6.9 cm。

4. 花瓣宽度（Petal Width）

• 描述：花瓣的宽度，单位为厘米。
• 取值范围：通常为 0.1 cm 到 2.5 cm。

数据集的目标（标签）

鸢尾花数据集的目标是预测鸢尾花的种类，共有 3 个类别：

1. Setosa（山鸢尾）
2. Versicolor（杂色鸢尾）
3. Virginica（维吉尼亚鸢尾）

数据集的特点

• 特征均为连续数值型数据。
• 数据集较小，适合初学者学习和实验。
• 特征和目标之间具有一定的线性关系，适合用于分类任务。

示例数据

以下是鸢尾花数据集的一个样本示例：

Sepal Length: 5.1 cm
Sepal Width: 3.5 cm
Petal Length: 1.4 cm
Petal Width: 0.2 cm
Species: Setosa

加载数据集（Python 示例）

from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()

# 查看特征名称
print("特征名称:", iris.feature_names)

# 查看目标类别
print("目标类别:", iris.target_names)

# 查看数据集形状
print("数据集形状:", iris.data.shape)

输出：

特征名称: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
目标类别: ['setosa' 'versicolor' 'virginica']
数据集形状: (150, 4)

通过这些特征，机器学习模型可以学习到不同鸢尾花种类的特征差异，从而实现分类任务。