# DS 百科
收錄資料科學（DS）的術語；按照英文字母序排列；提供比較詳盡的定義、實例、圖解、引註，術語之間有交互連結。

> [!Warning]
部分定義使用 ChatGPT 生成，但經過團隊成員人工改寫。

## 目錄
[TOC]

## E

### ETL

**ETL** 是「**提取、轉換、載入**」三個步驟的縮寫，這三個步驟是資料處理過程中的關鍵階段。ETL 是指將資料從多個來源提取出來，轉換為適合分析或儲存的格式，然後將其載入到資料倉庫或其他資料儲存系統中。以下是每個步驟的簡要說明：

- **Extract（提取）**：從各種來源提取資料，這些來源可以是資料庫、CSV 文件、API 或其他系統。提取的目的是收集需要分析或處理的資料。
- **Transform（轉換）**：提取的資料可能格式各異，並且不一定符合分析需求。在轉換階段，資料會被清洗、整理和格式化。例如，刪除重複的資料、填補遺漏的值、轉換數據類型或合併來自不同來源的資料。
- **Load（載入）**：轉換後的資料被載入到目標系統中，通常是資料倉庫或數據湖。資料載入的目的是使資料可供分析和報告使用。

## I

### Iris dataset

**鳶尾花資料集**（Iris dataset）是機器學習領域最著名的數據集之一，最早由統計學家 Ronald A. Fisher 在 1936 年發表，常用來演示分類演算法。

#### 鳶尾花資料集的特點

- **樣本數**：150
- **特徵數**：4 個
1. 花萼長度（Sepal Length）
2. 花萼寬度（Sepal Width）
3. 花瓣長度（Petal Length）
4. 花瓣寬度（Petal Width）
- **類別數**：
- 山鳶尾（*I. Setosa*）
- 變色鳶尾（*I. Versicolor*）
- 維吉尼亞鳶尾（*I. Virginica*）
- **適用任務**：[分類問題](https://hackmd.io/@learnai2024/mldl-encyclopedia#Classification)

鳶尾花資料集被廣泛用於初學者學習分類演算法，如 KNN、[SVM](https://hackmd.io/@learnai2024/mldl-encyclopedia#Support-vector-machine) 和[決策樹](https://hackmd.io/@learnai2024/mldl-encyclopedia#Decision-tree)等，也常用於演示數據可視化技術。

網誌：https://archive.ics.uci.edu/dataset/53/iris

## U

### UCI ML Repository

**UC Irvine Machine Learning Repository**，簡稱 **UCI ML Repository**，是加州大學爾灣分校（UCI）創建的公共數據庫，提供多種機器學習資料集，供研究人員、學生和工程師使用。

網址：https://archive.ics.uci.edu/

#### UCI Repository 的特點
- 涵蓋分類、迴歸、分群等應用場景。
- 涉及醫療、金融、社會學等領域。
- 免費開放和標準化格式，並附有詳細的元數據描述。
- 適合教學、研究、競賽、演算法測試。

#### 著名的資料集
- [鳶尾花資料集](#Iris-dataset)
- Adult
- Wine
- Breast Cancer Wisconsin