Iris
150 flores, 4 medidas, 3 especies: el dataset más citado de la historia del machine learning.
ÁreaBenchmarks Clásicos de Machine Learning
DominioBenchmark Clásico
DificultadPrincipiante
Tamaño150 filas · 4 features · 3 clases
¿Qué puedes lograr con este dataset?
- Dar tus primeros pasos con un dataset de clasificación perfectamente limpio
- Visualizar relaciones entre variables con un dataset pequeño y comprensible
- Practicar el flujo completo de scikit-learn sin fricciones de datos
Descripción
Recolectado por Ronald Fisher en 1936, Iris mide cuatro características (largo/ancho de sépalo y pétalo) de 150 flores de tres especies distintas. Su tamaño diminuto y ausencia total de valores faltantes lo convierten en el ejemplo introductorio universal de clasificación.
Casos de uso
- Primer proyecto de clasificación multiclase
- Enseñanza introductoria de scikit-learn y visualización
- Pruebas rápidas de nuevos algoritmos antes de escalar
- Demostración de reducción de dimensionalidad (PCA) en clase
Cómo cargarlo
from sklearn.datasets import load_iris
datos = load_iris(as_frame=True)
print(datos.frame.head())Ventajas y limitaciones
Ventajas
- Perfectamente limpio, sin valores faltantes ni outliers que resolver
- Disponible directamente en scikit-learn, sin descargas
- El problema es fácilmente separable, ideal para enseñar conceptos sin ruido
Limitaciones
- Demasiado simple y 'resuelto' para evaluar algoritmos modernos de forma significativa
- No representa los retos reales de datos sucios o desbalanceados