机器学习(1)机器学习基础 && 鸢尾花数据集
最新推荐文章于 2024-10-20 21:33:37 发布

_(*^▽^*)_ 于 2021-09-07 19:48:10 发布
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
目录
一、机器学习基础理论
1、机器学习过程
2、机器学习分类
3、数据集返回值介绍
二、鸢尾花数据集(实战)
1、首先是获取数据集
2、显示数据集信息(可以不要)
三、数据集划分
1、数据集划分API
2、代码及效果
总代码
一、机器学习基础理论
1、机器学习过程
获取数据数据处理特征工程(特征值、目标值)(包括标准化)算法训练 -> 得到模型模型评估
2、机器学习分类(有监督/无监督)
学习阶段可用数据集:
sklearn、kaggle、UCI


3、数据集返回值介绍
load返回小数据集,fetch返回大数据集。
返回datasets.base.Bunch数据类型(字典格式)

标签(target):目标值
特征(data):特征值
返回方式1:dict['key']
返回方式2:dict.key
二、鸢尾花数据集(实战)

以上三种鸢尾花,分别为鸢尾花的三个标签。

1、首先是获取数据集
iris = load_iris()
2、显示数据集信息(可以不要)
Show_Data()
def Show_Data():
print('鸢尾花数据集nn', iris)

三、数据集划分
为了给后面的模型评估留下数据,这里只能选取一部分数据进行模型训练。
1、数据集划分API
sklearn.model_selection.train_test_split

返回:训练集特征值、测试集特征值、训练集目标值、测试集目标值。
2、代码及效果
def Data_Split():
train_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.2)
print('训练集特征值:', train_data.shape)
print('测试集特征值:', test_data.shape)
print('训练集目标值:', train_target.shape)
print('测试集目标值:', test_target.shape)
' 
总代码
import cv2
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
def Show_Data():
print('鸢尾花数据集nn', iris)
def Data_Split():
train_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.2)
print('训练集特征值:', train_data.shape)
print('测试集特征值:', test_data.shape)
print('训练集目标值:', train_target.shape)
print('测试集目标值:', test_target.shape)
if __name__ == '__main__':
iris = load_iris()
Data_Split()
相关知识
机器学习鸢尾花数据集
探索机器学习的起点:鸢尾花数据集
机器学习之路:经典的鸢尾花数据集
机器学习案例——鸢尾花数据集分析
《机器学习》分析鸢尾花数据集
[Python机器学习]鸢尾花分类 机器学习应用
[机器学习基础][笔记] 一、鸢尾花分类
基于机器学习的鸢尾花数据集的三分类算法的实现 C++
第 1 章 机器学习基础引言
鸢尾花数据集在机器学习中的应用与分析
原文链接: 机器学习(1)机器学习基础 && 鸢尾花数据集 https://m.huajiangbk.com/newsview1388114.html
| 上一篇: 2021年花的观察日记15篇 | 下一篇: 开源书籍—鸢尾花书:从加减乘除到... |



