完成机器学习查询数据集的作业
| 数据集名称 | 样本数 | 属性 | 属性个数 | 标签 | 任务 |
|---|---|---|---|---|---|
| Iris 数据集 | 150 | 花萼长度, 花萼宽度, 花瓣长度, 花瓣宽度 | 4 | 鸟类（Setosa, Versicolor, Virginica） | 分类 |
| MNIST 数据集 | 70,000 | 像素值（28x28像素） | 784 | 手写数字（0-9） | 分类 |
| Titanic 数据集 | 891 | 乘客ID, 船舱等级, 姓名, 性别, 年龄, 登船港口, 票价, 亲属数量等 | 12 | 生还（0/1） | 分类 |
详细说明：
-
Iris 数据集
- 样本数: 150
- 属性: 包括花萼长度、花萼宽度、花瓣长度和花瓣宽度，共4个数值型属性。
- 属性个数: 4
- 标签: 数据集中的标签是鸢尾花的品种，有三种可能（Setosa, Versicolor, Virginica）。
- 任务: 分类任务，通过花萼和花瓣的特征来预测花的品种。
-
MNIST 数据集
- 样本数: 70,000张训练图像和10,000张测试图像
- 属性: 每张图像为28x28像素的灰度图像，共784个像素值。
- 属性个数: 784
- 标签: 每个图像的标签是手写数字（0到9）。
- 任务: 分类任务，通过图像的像素值来预测数字。
-
Titanic 数据集
- 样本数: 891个乘客的记录
- 属性: 包括乘客ID、船舱等级、姓名、性别、年龄、登船港口、票价、亲属数量等。
- 属性个数: 12
- 标签: 标签是乘客是否生还（0表示未生还，1表示生还）。
- 任务: 分类任务，通过乘客的特征来预测其是否生还。