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)