iris

  • Descripción :

Esta es quizás la base de datos más conocida que se encuentra en la literatura sobre reconocimiento de patrones. El artículo de Fisher es un clásico en este campo y hasta el día de hoy se hace referencia a él con frecuencia. (Ver Duda & Hart, por ejemplo). El conjunto de datos contiene 3 clases de 50 instancias cada una, donde cada clase se refiere a un tipo de planta de iris. Una clase es linealmente separable de las otras 2; estos últimos NO son linealmente separables entre sí.

Dividir Ejemplos
'train' 150
  • Estructura de características :
FeaturesDict({
    'features': Tensor(shape=(4,), dtype=float32),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=3),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
características Tensor (4,) flotador32
etiqueta Etiqueta de clase int64
  • Cita :
@misc{Dua:2019 ,
author = "Dua, Dheeru and Graff, Casey",
year = "2017",
title = "{UCI} Machine Learning Repository",
url = "http://archive.ics.uci.edu/ml",
institution = "University of California, Irvine, School of Information and Computer Sciences"
}