Yant224 已于 2025-03-26 10:36:47 修改1.鸢尾花分类详解
1.1 定义
鸢尾花分类（Iris Classification）是机器学习领域最经典的 监督学习案例之一。该任务通过测量鸢尾花的四个形态特征（萼片与花瓣的尺寸），训练模型自动识别其所属的三个亚种。
1.2 数据集构成
1.2.1 特征（Features） 萼片长度（sepal length，cm） 萼片宽度（sepal width，cm） 花瓣长度（petal length，cm） 花瓣宽度（petal width，cm） 1.2.2 目标类别（Labels） Iris-setosa（山鸢尾） Iris-versicolor（变色鸢尾） Iris-virginica（维吉尼亚鸢尾）
1.3 典型应用场景
机器学习教学：最基础的分类算法实践案例 算法基准测试：用于比较不同分类算法性能 特征工程研究：验证特征选择对分类效果的影响 模式识别入门：展示如何通过量化特征区分生物种类1.4 机器学习中的特殊地位
维度适中：4个特征+3个类别，复杂度适合教学演示 线性可分性：Setosa与其他两类线性可分，Versicolor与Virginica存在部分重叠 数据纯净：由植物学家Edgar Anderson精确测量，无噪声数据 标准化程度高：被scikit-learn等主流库直接内置1.5 分类任务示例
当模型接收到以下测量数据：
萼片长=5.1cm | 萼片宽=3.5cm | 花瓣长=1.4cm | 花瓣宽=0.2cm 模型应输出预测：Iris-setosa 12
2.鸢尾花分类（Python实现）
2.1 项目目标
使用鸢尾花数据集（Iris Dataset）训练模型，根据花瓣/萼片的长度和宽度特征，自动识别花的种类（Setosa/Versicolor/Virginica）
2.2 环境准备
确保已安装以下Python库：
bash pip install numpy pandas matplotlib scikit-learn
2.3 实现步骤
2.3.1 导入所需库import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score, confusion_matrix from sklearn import tree 12345678 2.3.2 加载与探索数据
# 加载内置数据集 iris = load_iris() data = pd.DataFrame(iris.data, columns=iris.feature_names) data['target'] = iris123
