【亲测有效】聚类算法数据集下载:Iris、Wine 等常用数据一次配齐

原创2026-11-11 11:16:241,346 阅读

【亲测有效】聚类算法数据集下载:Iris、Wine 等常用数据一次配齐

「聚类算法数据集资源」仓库把 13 个开箱即用的 CSV 数据集打包好了:从经典的 Iris,到 Flame、Spiral 这类二维人工数据,K-means、FCM、DBSCAN、DPC(密度峰聚类)想跑哪个都能直接开跑,省掉自己四处搜集数据的环节。

什么情况下需要这份数据

如果你刚学完 K-means 的原理,手上却没有数据来验证代码写得对不对;或者你正在写报告,需要拿几个不同维度的数据集把 DBSCAN、DPC 演示一遍——这时直接从这里取数最省事。13 个 CSV 全部可以直接加载,不用做任何预处理。

数据集速览

数据集 样本与类别 适配算法 典型场景
Iris 150 样本 · 3 类 K-means、FCM 经典 K-means 数据集,验证代码是否正确的第一站
Wine 178 样本 · 3 品种 K-means、DBSCAN 13 维特征,适合练手特征缩放
Seed 210 样本 · 3 类 K-means、DPC 高维农业数据,首次跑 DPC 的好选择
glass 214 样本 · 6 类 FCM、DBSCAN 类别数量多,观察噪声敏感度
WDBD 569 样本 · 2 类 DBSCAN、DPC 乳腺癌数据,二分类聚类练习
Flame / Spiral 240 / 312 样本 · 二维 DBSCAN、DPC 非凸形状,K-means 短板最明显
Aggregation、Compound、Jain、Pathbased、R15、D31 各 299–3099 样本 · 二维 DBSCAN、DPC 调 eps、minPts 等密度参数的基准组

数据集下载与放置:4 步完成

  1. 在仓库文件列表点击 dataset.zip 下载。完成标志:磁盘上出现 dataset.zip 文件。
  2. 解压压缩包。完成标志:得到 dataset/ 目录,里面正好 13 个 .csv 文件。
  3. 把 dataset/ 整个挪进项目的数据目录,或直接在原位置使用。完成标志:项目目录下出现 13 个 CSV。
  4. 用代码加载 Iris 试读:pd.read_csv('dataset/Iris.csv')。完成标志:打印出来的表是 150 行 5 列。

想连仓库一起拿?git clone https://gitcode.com/open-source-toolkit/f4a24 一行搞定,文件清单与上表一致。

三分钟确认你有没有踩坑

  • Compound.csv 等文件读出来多一行:Compound、D31、Pathbased、R15 这四个文件没有表头,pandas 会把第一行数据当成列名。解法:读文件时加上 header=None 参数。
  • WDBD 上 DBSCAN 几乎全点变 -1 噪声:30 个特征量纲不一,eps 基本失效。解法:先对每个特征做标准化,再回头调 eps。
  • Iris 上 FCM 结果和 K-means 对不上:FCM 输出的是隶属度矩阵而非硬划分,边界天然更软。解法:对矩阵按行取 argmax 当类别,再和 K-means 对比。
  • Spiral 被 K-means 切成两半:这不是 bug,是预期效果。K-means 只能找到球形簇,这正是要换 DBSCAN 的理由。

反馈渠道

  • 邮箱:your-email@example.com
  • 私信:见项目主页私信入口

先拿 Iris 跑通 K-means(k=3,对照 class 列看划分),再换 Flame 和 Spiral 跑一遍 DBSCAN,观察噪声点是怎么被标出来的——这两组对比,就是密度聚类存在的意义。

登录后查看全文
聚类算法数据集资源