鸢尾花数据集（Iris dataset）是机器学习和统计学中常用的经典数据集之一，被广泛用于模型验证、分类和聚类等任务。这个数据集由英国统计学家和生物学家Ronald A. Fisher于1936年引入，用来展示他所开发的线性判别分析方法。鸢尾花数据集包含了三个品种（类别）的鸢尾花的测量数据。
数据集的特征包括鸢尾花的萼片（sepal）长度、萼片宽度、花瓣（petal）长度和花瓣宽度，所有的测量单位都以厘米为单位。对于每个品种，数据集包含了50个样本，因此总共有150个样本。三个品种分别是：
山鸢尾（Setosa）
变色鸢尾（Versicolor）
维吉尼亚鸢尾（Virginica）
数据集中的每个样本都被标记为这三个品种中的一个，使其成为一个有监督学习问题。
鸢尾花数据集是一个简单且易于理解的数据集，被用来展示和测试分类算法的性能。由于其小规模、多样性和良好的可分性，鸢尾花数据集经常被用作新算法和方法的测试基准。在许多机器学习框架和库中，都内置了鸢尾花数据集，使得它成为入门级学习和教学的理想数据集。
