基于maltab数据探索案例——鸢尾花数据集以及算法

基于SVM的鸢尾花分类-数据探测
一、实验目的
使用MATLAB实现鸢尾花数据的可视化、分类、聚类，可以让我们更直观地理解数据特征、提升数据分析的效率。在深入探讨这一过程之前，重要的是要理解数据集的特征：鸢尾花数据集是一个经典的多变量数据集，机器学习领域常用的一个数据集。包含150个样本，每个样本有4个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度）和对应的这些样本分为三类，分别对应鸢尾花的三个品种：Setosa、Versicolour和Virginica。由于鸢尾花数据集具有特征明确、类别清晰的特点，通过可视化可以观察不同特征之间的关系，分类和聚类则是根据特征将数据分成不同的类别，从而实现对鸢尾花种类的精准预测。
二、数据探索
1.数据集简介
iris数据集的中文名是安德森鸢尾花卉数据集，英文全称是Anderson’s Iris data set，是一种多重变量分析的数据集，包含150个样本。每个样本包含了五个元素，其中前四个为特征特征元素，分别为花萼长度、花萼宽度、花瓣长度、花瓣宽度，最后一个为品种信息，即目标属性（也叫target或label。包括山鸢尾Setosa、变色鸢尾Versicolour和维吉尼亚鸢尾Virginica三个品种）。所以iris数据集是一个150行5列的二维表。部分样本数据如下表所示：

图表2- 1数据集表

2.数据导入
首先对数据集进行导入数据集名称：鸢尾花（Iris）数据集
数据规模：包含150个数据样本，分为3类（Setosa、Versicolour、Virginica），每类50个数据，特征属性：每个数据包含4个属性，即花萼长度、花萼宽度、花瓣长度、花瓣宽度。
%导入数据

flower=readtable('iris.csv') sepall=flower.Sepal_Length sepalw=flower.Sepal_Width petall=flower.Petal_Length petalw=flower.Petal_Width species=flower.Species

matlab

运行

图表2- 2数据集表显示

图表2- 3数据导入显示

3.数据质量分析
下面经行数据探索，对鸢尾花数据集进行数据质量分析，第一步首先就要进行缺失值分析，分析数据集中的萼片长度，萼片宽度，花瓣长度，花瓣宽度，以及花瓣种类中是否有缺失值，为后续分析打下基础。
下面为展示代码

%（1）缺失值分析 miss=ismissing(flower) number=sum(miss) %缺失值为0

matlab

运行