机器学习数据集的基本概念

数据集，又称为资料集、数据集合或资料集合，是一种由数据所组成的集合。Data set（或dataset）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。

——百度百科

下面是个人的理解

数据集名称GLIOMA

GIOMA包含两个矩阵，一个是实例矩阵（ins），另一个是标签矩阵（lab）

Ins矩阵大小50*4434，说明该GLIOMA数据集有50个实例（样本），有4434个特征，这50个实例（样本），每一个实例有一个对应的标签lab，标签就是类别。

打开Ins矩阵，有50行说明有50个实例（样本），有4434列说明有4434个特征（太多了显示不了），这里面的任意一个值（标量）叫做特征值，任意一列是特征向量（列向量），任意一行是实例向量（行向量）

打开lab矩阵

有50个标签，标签就是类别（比如1代表幼儿，2代表青年，以此类推），可以看到这是一个具有4个类别的数据集。

另外不要把实例与个体混淆，实例单指数据集中（原空间），实例的个数一般是不变的。个体是作为演化计算算法中的种群来说的，可以根据自己的喜好设置个体数量。比如PSO算法中的个体就是粒子。实例与个体有一点相似就是特征数（维度）相同。

数据集的下载（从UCI下载）：

http://archive.ics.uci.edu/ml/index.php

当然下载的数据集可能标签和特征是放在一起的可以自己分开