数据集是数据的实例。常见的数据集的表达形式有三类。

6.2.1数据记录集

数据记录由一组包含固定属性值的数据元素组成。数据记录主要有三种形式：数据矩阵、文档向量表示和事务处理数据。如果数据对象具有一组固定的数值属性，则数据对象可视为高维空间的点集，每个维度对应单个属性。这种数据集可以直接表达为一个m×n的矩阵。其中，矩阵的每行代表一个对象，每列代表单个属性在数据集中的分布。这种表示方法称为数据矩阵。数据矩阵通常被组织为表格形式。文档是单词的集合。如果统计文档中所有单词出现的频率，则一个文档可以被表示为一个向量，其长度是单词集的个数，每个分量记录单词集中每个单词在该文档中的频率。事物处理数据是一类特殊的数据记录，每条记录都包含一组数据项。事物处理数据与数据矩阵的差别在于，事物处理数据的每条记录包含的个数和属性不固定，因此无法用矩阵这种大小确定的方式进行表达。

6.2.2图数据集

图是一种数据结构，由一组节点（保存信息的实体）和一组连接两个节点之间的加权边（元素之间的关系）组成。图可以分为有向图、无向图、简单图、多重图、强连通图等。

6.2.3有序数据集

有序数据是具有某种顺序的数据集。常见的数据集包括空间数据、时间数据、时空数据、顺序数据和基因测序数据等。在某些场合，数据可以根据数据的维度进行分类：标量、向量、张量等。