fix iris dataset name (#1015)

Co-authored-by: NTao Yuan <tao@dm.ai>

chapter_introduction/index.md

@@ -593,7 +593,7 @@ agent的动作会影响后续的观察，而奖励只与所选的动作相对应
 随着数据的收集和可获得性，统计数据真正实现了腾飞。
 [罗纳德·费舍尔（1890-1962）](https://en.wikipedia.org/wiki/Ronald_-Fisher)对统计理论和在遗传学中的应用做出了重大贡献。
 他的许多算法（如线性判别分析）和公式（如费舍尔信息矩阵）至今仍被频繁使用。
-甚至，费舍尔在1936年发布的虹膜数据集，有时仍然被用来解读机器学习算法。
+甚至，费舍尔在1936年发布的鸢尾花卉数据集，有时仍然被用来解读机器学习算法。
 他也是优生学的倡导者，这提醒我们：使用数据科学虽然在道德上存在疑问，但是与数据科学在工业和自然科学中的生产性使用一样，有着悠久的历史。
 
 机器学习的第二个影响来自[克劳德·香农(1916--2001)](https://en.wikipedia.org/wiki/Claude_Shannon)的信息论和[艾伦·图灵（1912-1954）](https://en.wikipedia.org/wiki/Alan_Turing)的计算理论。
@@ -618,7 +618,7 @@ agent的动作会影响后续的观察，而奖励只与所选的动作相对应
 首先，训练网络（在计算上）非常昂贵。
 在上个世纪末，随机存取存储器（RAM）非常强大，而计算能力却很弱。
 其次，数据集相对较小。
-事实上，费舍尔1932年的虹膜数据集是测试算法有效性的流行工具，
+事实上，费舍尔1932年的鸢尾花卉数据集是测试算法有效性的流行工具，
 而MNIST数据集的60000个手写数字的数据集被认为是巨大的。
 考虑到数据和计算的稀缺性，*核方法*（kernel method）、*决策树*（decision tree）和*图模型*（graph models）等强大的统计工具（在经验上）证明是更为优越的。
 与神经网络不同的是，这些算法不需要数周的训练，而且有很强的理论依据，可以提供可预测的结果。
@@ -637,7 +637,7 @@ agent的动作会影响后续的观察，而奖励只与所选的动作相对应
 
 | 年代 | 数据规模              | 内存   | 每秒浮点运算        |
 | :--- | :--- | :--- | :--- |
-| 1970 | 100 （虹膜）          | 1 KB   | 100 KF (Intel 8080) |
+| 1970 | 100 （鸢尾花卉）      | 1 KB   | 100 KF (Intel 8080) |
 | 1980 | 1 K （波士顿房价）    | 100 KB | 1 MF (Intel 80186)  |
 | 1990 | 10 K （光学字符识别） | 10 MB  | 10 MF (Intel 80486) |
 | 2000 | 10 M （网页）         | 100 MB | 1 GF (Intel Core)   |