请介绍sklearn中的常用数据集

scikit-learn (sklearn) 是 Python 中常用的机器学习库之一，它内置了许多常用的数据集，可以用于机器学习的实践和学习。下面是 sklearn 中一些常用的数据集：

1. Iris（鸢尾花）数据集：这是一个经典的多分类问题数据集，包含了 3 类、每类 50 个实例，每个实例包含 4 个特征。

2. Wine（葡萄酒）数据集：这是另一个经典的多分类问题数据集，包含了 3 类葡萄酒的化学分析数据。

3. Breast Cancer Wisconsin（乳腺癌数据）数据集：这是一个二分类问题数据集，包含了乳腺肿瘤的良性和恶性的 569 个样本的特征。

4. Boston Housing（波士顿房价）数据集：这是一个回归问题数据集，包含了 506 个样本，每个样本包含了 13 个特征，预测目标是波士顿地区房屋的中位数价值。

5. MNIST 手写数字数据集：这是一个经典的图像分类问题数据集，包含了 70,000 张 28x28 像素大小的手写数字图像，每个图像都有一个标签，表示它所代表的数字。

6. CIFAR-10 数据集：这是一个图像分类问题数据集，包含了 60,000 张 32x32 像素大小的彩色图像，共分为 10 个类别。

7. Newsgroups 数据集：这是一个文本分类问题数据集，包含了 20 种不同主题的新闻文章，共有 18,846 个数据点。

以上是 sklearn 中一些常用的数据集，使用这些数据集可以帮助我们更好地理解和学习机器学习算法。