1.从scikit-learn上的datasets中直接下载的少量数据集：load_<name>()

例：(以红酒为例)

from sklearn.datasets import load_wine

Wine =load_wine()

Wine.data

2.直接从网上在线抓取的数据集：fetch_<name>()

例：（以california_housing 为例 ）

fromsklearn.datasets import fetch_california_housing

california_housing =fetch_california_housing()

california_housing.data

3.计算机生成的数据集：make_<name>()

make_blobs：多类单标签数据集，为每个类分配一个或多个正太分布的点集

make_classification：多类单标签数据集，为每个类分配一个或多个正太分布的点集，提供了为数据添加噪声的方式，包括维度相关性，无效特征以及冗余特征等

make_gaussian-quantiles：将一个单高斯分布的点集划分为两个数量均等的点集，作为两类

make_hastie-10-2：产生一个相似的二元分类数据集，有10个维度

make_circle和make_moom产生二维二元分类数据集来测试某些算法的性能，可以为数据集添加噪声，可以为二元分类器产生一些球形判决界面的数据

datasets.get_data_home()方法：显示存放数据集存放的本地目录