Scikit-Learn提供了比較全的資料集,主要分為以下幾類

1. 自帶的小資料集（packaged dataset）
2. 線上下載的資料集（Downloaded Dataset）
3. 生成的資料集（Generated Dataset)
4. svmlight/libsvm格式的資料集
5. 從買了data.org線上下載獲取的資料集

1. 自帶的小資料集（packaged dataset）

主要有以下幾種:

1) 鸞尾花資料: load_iris()
2)波士頓房價資料集: load_boston()
3)乳腺癌資料集: load_breast_cancer()
4)手寫字資料集: load_digits()
5)糖料病資料集: load_diabetes()
6)體能訓練資料集: load_linnerud()
 

這些資料集有助於快速說明在 scikit 中實現的各種演算法的行為。然而，它們資料規模往往太小，無法代表真實世界的機器學習任務。

例子程式碼

#匯入模組
import numpy as np
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier
#匯入資料集
iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target
# print(iris_X[:2, :])
 

# print(iris_y)
X_train, X_test, y_train, y_test = train_test_split(
    iris_X, iris_y, test_size=0.2)
# print(y_train)
#訓練模型
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
#預測
print(knn.predict(X_test))
print(y_test)

其它資料集同理