詳解datasets.load_iris()

一、前言

在機器學習領域中，常見的操作之一是數據集的預處理。datasets.load_iris()是機器學習領域中提供的一種常用數據集，它是一個有關鳶尾花的數據集。本文將從多個方面對datasets.load_iris()進行詳細的闡述，希望能夠幫助讀者更好地理解該數據集。

二、數據集概述

數據集是指一組數據實例的集合。在機器學習領域中，數據集通常用於訓練和測試模型。datasets.load_iris()數據集是一個包含150個數據實例的數據集，每個數據實例包含該鳶尾花的4個屬性，以及該鳶尾花所屬的品種。該數據集共有3中不同的品種，每個品種有50個數據實例。

    from sklearn.datasets import load_iris
    iris = load_iris()
    print(iris.keys())
    #dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename'])

首先我們需要導入load_iris()模塊，然後我們可以通過打印iris.keys()來確定該數據集中包含的所有信息。運行代碼後，可以看到該數據集中包含以下6個鍵值：

• ‘data’：一個150×4的numpy數組，包含150個數據實例的屬性值；
• ‘target’：一個長度為150的numpy數組，包含每個數據實例所屬的品種；
• ‘target_names’：一個長度為3的numpy數組，包含每個品種的名稱；
• ‘DESCR’：一個字符串，包含該數據集的說明文檔；
• ‘feature_names’：一個長度為4的numpy數組，包含每個屬性的名稱；
• ‘filename’：一個字符串，包含該數據集存儲的文件名。

三、數據集屬性

在使用datasets.load_iris()數據集時，我們需要了解該數據集的每個屬性的含義。以下是每個屬性的詳細介紹：

1. ‘data’

‘data’屬性是一個包含150個數據實例的150×4 numpy數組。每個數據實例包含以下4個屬性：

• 萼片長度（cm）
• 萼片寬度（cm）
• 花瓣長度（cm）
• 花瓣寬度（cm）

    print(iris['data'])
    #[[5.1 3.5 1.4 0.2]
    # [4.9 3.  1.4 0.2]
    # [4.7 3.2 1.3 0.2]
    # ...
    # [6.5 3.  5.2 2. ]
    # [6.2 3.4 5.4 2.3]
    # [5.9 3.  5.1 1.8]]

2. ‘target’

‘target’屬性是一個包含150個數據實例的長度為150的numpy數組。每個數據實例所屬的品種標籤是從0到2的一個整數，分別表示以下品種：

• 0：山鳶尾花（Iris setosa）
• 1：變色鳶尾花（Iris versicolor）
• 2：維吉尼亞鳶尾花（Iris virginica）

    print(iris['target'])
    #[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
    # 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
    # 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2
    # 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]

3. ‘target_names’

‘target_names’屬性是一個包含3個目標類標籤的numpy數組，分別表示以下品種：

• 0：山鳶尾花（Iris setosa）
• 1：變色鳶尾花（Iris versicolor）
• 2：維吉尼亞鳶尾花（Iris virginica）

    print(iris['target_names'])
    #['setosa' 'versicolor' 'virginica']

4. ‘DESCR’

‘DESCR’屬性是一個字符串，包含該數據集的詳細描述信息。

    print(iris['DESCR'])
    #Iris Plants Database
    #====================
    #
    #Notes
    #-----
    #Data Set Characteristics:
    #    :Number of Instances: 150 (50 in each of three classes)
    #    :Number of Attributes: 4 numeric, predictive attributes and the class
    #    :Attribute Information:
    #        - sepal length in cm
    #        - sepal width in cm
    #        - petal length in cm
    #        - petal width in cm
    #        - class:
    #                - Iris Setosa
    #                - Iris Versicolour
    #                - Iris Virginica
    #    :Summary Statistics:
    #    ...

5. ‘feature_names’

‘feature_names’屬性是一個包含4個屬性名稱的numpy數組，分別是：(‘sepal length (cm)’, ‘sepal width (cm)’, ‘petal length (cm)’, ‘petal width (cm)’)

    print(iris['feature_names'])
    #['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

四、數據集應用

數據集是機器學習領域中不可或缺的部分之一。使用datasets.load_iris()數據集可以對分類問題進行訓練和測試。以下是一個數據集的使用示例，使用了train_test_split將數據集分成了訓練集和測試集：

    from sklearn.datasets import load_iris
    from sklearn.model_selection import train_test_split
    
    iris = load_iris()
    X = iris.data
    y = iris.target
    
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

上述代碼中，我們首先導入load_iris()模塊。然後，我們將整個數據集的數據部分（’data’）賦給X，將整個數據集的目標變量部分（’target’）賦給y。接下來，我們使用train_test_split將數據集分為訓練集和測試集。在這個例子中，數據集被分為80%的訓練集和20%的測試集。

五、結語

本文對datasets.load_iris()數據集進行了深入的介紹，包括數據集概述、數據集屬性和數據集應用。此外，我們也提供了一個使用數據集的示例。希望本文能夠對讀者在機器學習領域有所幫助。