单视角聚类常用的测试数据集是什么

在单视角聚类中，常用的测试数据集包括以下几种：

1. Iris 数据集：
Iris 数据集是机器学习中最经典的数据集之一，用于分类和聚类任务。它包含了 150 个样本，每个样本具有 4 个特征，分别是花萼长度、花萼宽度、花瓣长度和花瓣宽度。数据集中的样本被分为 3 类，每类有 50 个样本。

2. Wine 数据集：
Wine 数据集是用于分类和聚类任务的另一个常用数据集。它包含了 178 个样本，每个样本具有 13 个特征，包括酒的化学成分。数据集中的样本被分为 3 类，每类有不同数量的样本。

3. Breast Cancer 数据集：
Breast Cancer 数据集用于乳腺癌分类和聚类任务。它包含了 569 个样本，每个样本具有 30 个特征，这些特征描述了肿瘤的形态学特征。数据集中的样本被分为良性和恶性两类。

4. MNIST 手写数字数据集：
MNIST 数据集是一个大型手写数字数据集，用于图像分类和聚类任务。它包含了 70000 张 28x28 像素的灰度图像，涵盖了从 0 到 9 的数字。数据集中的样本被用于识别和聚类手写数字。

这些数据集在单视角聚类中被广泛使用，可以用于测试和评估不同的聚类算法的性能。当然，根据具体的任务和需求，你也可以选择其他适合的数据集进行测试。