[机器学习
1. 鸢尾花 Iris数据集介绍
Iris flower数据集是1936年由Sir Ronald Fisher引入的经典多维数据集，可以作为判别分析（discriminant analysis）的样本。
该数据集包含Iris花的三个品种(Iris setosa, Iris virginica and Iris versicolor)各50个样本，
每个样本还有4个特征参数（分别是萼片的长宽和花瓣的长宽，以厘米为单位）
sepal length (cm), sepal width (cm), petal length (cm), petal width (cm)
，Fisher利用这个数据集开发了一个线性判别模型来辨别花朵的品种。
基于Fisher的线性判别模型，该数据集成为了 机器学习 中各种分类技术的典型实验案例
2. Sklearn代码获取Iris
from sklearn import datasets iris = datasets.load_iris() irisFeatures = iris["data"] irisFeaturesName = iris["feature_names"] irisLabels = iris["target"] print('Iris feature name:',irisFeaturesName) print('Iris data size :',irisFeatures.shape) print(irisFeatures[:10]) print('Iris label size :', irisLabels.shape) print(irisLabels[:10])
python
运行
1234567891011Iris feature name: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] Iris data size : (150, 4) [[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2] [4.6 3.1 1.5 0.2] [5. 3.6 1.4 0.2] [5.4 3.9 1.7 0.4] [4.6 3.4 1.4 0.3] [5. 3.4 1.5 0.2] [4.4 2.9 1.4 0.2] [4.9 3.1 1.5 0.1]] Iris label size : (150,) [0 0 0 0 0 0 0 0 0 0]
python
运行
12345678910111213142. 描述性统计
import pandas as pd print(irisFeaturesName) dataset = pd.DataFrame(irisFeatures, columns=['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']) print(dataset.describe())
python
运行
1234(sepal length)花萼长度最小值4.30, 最大值7.90, 均值5.84, 中位数5.80, 右偏
(sepal width)花萼宽度最小值2.00, 最大值4.40, 均值3.05, 中位数3.00, 右偏
(petal length)花瓣长度最小值1.00, 最大值6.90, 均值3.76, 中位数4.35, 左偏
(petal width)花瓣宽度最小值0.10, 最大值2.50, 均值1.20, 中位数1.30, 左偏
按中位数来度量: 花萼长度 > 花瓣长度 > 花萼宽度 > 花瓣宽度
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) count 150.000000 150.000000 150.000000 150.000000 mean 5.843333 3.057333 3.758000 1.199333 std 0.828066 0.435866 1.765298 0.762238 min 4.300000 2.000000 1.000000 0.100000 25% 5.100000 2.800000 1.600000 0.300000 50% 5.800000 3.000000 4.350000 1.300000 75% 6.400000 3.300000 5.100000 1.800000 max 7.900000 4.400000 6.900000 2.500000
python
运行
1234567893. 箱线图
boxplot所绘制的就是箱线图, 它能显示出一组数据的最大值, 最小值, 四分位数以及异常点.
对于异常点的定义: 区间[Q1-1.5IQR, Q3+1.5IQR]之外的点, 其中Q1下四分位数(25%), Q3上四分位数(75%), IQR=Q3-Q1
url = r"C:UsersharryPycharmProjectshelloworldMLDataSets_testdatairis.csv" names = ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)', 'class'] dataset = pd.read_csv(url, names=names) print(dataset.describe()) dataset.plot.box() plt.show()
python
运行
123456
4. 数据分布情况
import matplotlib.pyplot as plt s = dataset.hist() # 数据直方图histograms print(s) plt.show()
python
运行
1234
相关知识
机器学习=编程？NO！
《机器学习》（西瓜书）学习笔记
机器学习（1）机器学习基础 && 鸢尾花数据集
【机器学习
机器学习术语表
机器学习系列
Python机器学习应用
Python 机器学习 K
[Python机器学习]鸢尾花分类 机器学习应用
【机器学习】花卉识别01
网址: [机器学习 https://m.huajiangbk.com/newsview2599875.html
| 上一篇: 花卉名称大全500种（完整品种列 |
下一篇: ACE腾讯反作弊终极解决方法 （ |
