鸢尾花（Iris）数据集是由美国统计学家R.A. Fisher收集的一组关于鸢尾花的测量数据，它是机器学习中最常用的数据集之一。数据集包含150个样本，每个样本包含4个属性：萼片长度，萼片宽度，花瓣长度和花瓣宽度。每个样本也有一个类别标签，分为三类：Iris setosa，Iris versicolor和Iris virginica。
应用
鸢尾花数据集用于机器学习算法的建模和评估，是机器学习算法的基础数据集。它可以用于分类，聚类，回归和关联等机器学习算法。它可以用于比较不同算法的性能，也可以用于比较不同的特征组合的性能。
使用方法
鸢尾花数据集可以从多个源获取，其中最常用的是UCI机器学习库。使用Python可以方便地从UCI机器学习库获取数据集，只需使用以下代码：
from sklearn.datasets import load_iris iris = load_iris() data = iris.data target = iris.target
上面的代码将从UCI机器学习库获取鸢尾花数据集，并将其存储在data和target变量中。
除了从UCI机器学习库获取数据集外，还可以从Kaggle和KDD Cup等其他源获取数据集。