鸢尾花数据集分析

一、鸢尾花数据集介绍

鸢尾花数据集是一个经典的多分类问题数据集。数据集中包含了3个品种的鸢尾花：Setosa、Versicolour和Virginica。每个样本有4个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。共有150个样本，每种品种分别有50个样本。

鸢尾花数据集是机器学习领域研究的经典基础数据集之一，常被用于分类、聚类、降维等任务。

二、有关鸢尾花的数据集

鸢尾花数据集由统计学家R.A. Fisher于1936年采集，并于1936年发表在《Annals of Eugenics》。由于其数据质量高、难度适宜，所以被广泛应用于机器学习领域。鸢尾花数据集是一份经典的无损数据集，是机器学习的一个“Hello, World！”级别的第一个实例。

三、鸢尾花数据集下载

from sklearn import datasets
iris = datasets.load_iris()

我们可以使用Scikit-learn的datasets库来加载鸢尾花数据集，代码如上。

四、是否可以用代码输出鸢尾花数据集

print(iris["data"][:5])
print(iris["target"][:5])

使用如上代码可以输出鸢尾花数据集的前五个特征和标签。

五、鸢尾花数据集导入

Scikit-learn提供了数据集划分的工具函数train_test_split，可以将数据集分为训练集和测试集，代码如下：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    iris["data"], iris["target"], random_state=0)

六、如何把鸢尾花数据集分成两份

除了train_test_split之外，我们还可以手动将数据集进行分割，代码如下：

iris_data1 = iris["data"][:75]
iris_data2 = iris["data"][75:]
iris_target1 = iris["target"][:75]
iris_target2 = iris["target"][75:]

七、鸢尾花数据集划分

我们可以使用决策树、SVM、随机森林等模型进行训练和测试，代码如下：

from sklearn.tree import DecisionTreeClassifier
from sklearn import svm
from sklearn.ensemble import RandomForestClassifier

#决策树模型
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X_train, y_train)
print("决策树模型评分：{:.2f}".format(clf.score(X_test, y_test)))

#SVM模型
clf = svm.SVC(kernel="linear", C=1)
clf.fit(X_train, y_train)
print("SVM模型评分：{:.2f}".format(clf.score(X_test, y_test)))

#随机森林模型
clf = RandomForestClassifier(n_estimators=100, random_state=0)
clf.fit(X_train, y_train)
print("随机森林模型评分：{:.2f}".format(clf.score(X_test, y_test)))

八、运用所学模型解析鸢尾花数据集

我们选择K-Means算法对鸢尾花数据集进行聚类，代码如下：

from sklearn.cluster import KMeans

x = iris["data"]

estimators = [('k_means_iris_8', KMeans(n_clusters=8))]
fignum = 1
titles = ['8 clusters']
for name, est in estimators:
    fig = plt.figure(fignum, figsize=(4, 3))
    ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)
    est.fit(x)
    labels = est.labels_

    ax.scatter(x[:, 3], x[:, 0], x[:, 2],
               c=labels.astype(np.float), edgecolor='k')

    ax.set_xlabel('Petal width')
    ax.set_ylabel('Sepal length')
    ax.set_zlabel('Petal length')
    ax.set_title(titles[fignum - 1])
    ax.dist = 12
    fignum = fignum + 1

plt.show()

九、鸢尾花数据集的格式

鸢尾花数据集是一个经典的多分类问题数据集。数据集中包含了3个品种的鸢尾花：Setosa、Versicolour和Virginica。每个样本有4个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。共有150个样本，每种品种分别有50个样本。

其特征如下：

• 花萼长度（cm）
• 花萼宽度（cm）
• 花瓣长度（cm）
• 花瓣宽度（cm）