鳶尾花數據集分析

一、鳶尾花數據集介紹

鳶尾花數據集是一個經典的多分類問題數據集。數據集中包含了3個品種的鳶尾花：Setosa、Versicolour和Virginica。每個樣本有4個特徵：花萼長度、花萼寬度、花瓣長度和花瓣寬度。共有150個樣本，每種品種分別有50個樣本。

鳶尾花數據集是機器學習領域研究的經典基礎數據集之一，常被用於分類、聚類、降維等任務。

二、有關鳶尾花的數據集

鳶尾花數據集由統計學家R.A. Fisher於1936年採集，並於1936年發表在《Annals of Eugenics》。由於其數據質量高、難度適宜，所以被廣泛應用於機器學習領域。鳶尾花數據集是一份經典的無損數據集，是機器學習的一個「Hello, World！」級別的第一個實例。

三、鳶尾花數據集下載

from sklearn import datasets
iris = datasets.load_iris()

我們可以使用Scikit-learn的datasets庫來加載鳶尾花數據集，代碼如上。

四、是否可以用代碼輸出鳶尾花數據集

print(iris["data"][:5])
print(iris["target"][:5])

使用如上代碼可以輸出鳶尾花數據集的前五個特徵和標籤。

五、鳶尾花數據集導入

Scikit-learn提供了數據集劃分的工具函數train_test_split，可以將數據集分為訓練集和測試集，代碼如下：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    iris["data"], iris["target"], random_state=0)

六、如何把鳶尾花數據集分成兩份

除了train_test_split之外，我們還可以手動將數據集進行分割，代碼如下：

iris_data1 = iris["data"][:75]
iris_data2 = iris["data"][75:]
iris_target1 = iris["target"][:75]
iris_target2 = iris["target"][75:]

七、鳶尾花數據集劃分

我們可以使用決策樹、SVM、隨機森林等模型進行訓練和測試，代碼如下：

from sklearn.tree import DecisionTreeClassifier
from sklearn import svm
from sklearn.ensemble import RandomForestClassifier

#決策樹模型
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X_train, y_train)
print("決策樹模型評分：{:.2f}".format(clf.score(X_test, y_test)))

#SVM模型
clf = svm.SVC(kernel="linear", C=1)
clf.fit(X_train, y_train)
print("SVM模型評分：{:.2f}".format(clf.score(X_test, y_test)))

#隨機森林模型
clf = RandomForestClassifier(n_estimators=100, random_state=0)
clf.fit(X_train, y_train)
print("隨機森林模型評分：{:.2f}".format(clf.score(X_test, y_test)))

八、運用所學模型解析鳶尾花數據集

我們選擇K-Means算法對鳶尾花數據集進行聚類，代碼如下：

from sklearn.cluster import KMeans

x = iris["data"]

estimators = [('k_means_iris_8', KMeans(n_clusters=8))]
fignum = 1
titles = ['8 clusters']
for name, est in estimators:
    fig = plt.figure(fignum, figsize=(4, 3))
    ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)
    est.fit(x)
    labels = est.labels_

    ax.scatter(x[:, 3], x[:, 0], x[:, 2],
               c=labels.astype(np.float), edgecolor='k')

    ax.set_xlabel('Petal width')
    ax.set_ylabel('Sepal length')
    ax.set_zlabel('Petal length')
    ax.set_title(titles[fignum - 1])
    ax.dist = 12
    fignum = fignum + 1

plt.show()

九、鳶尾花數據集的格式

鳶尾花數據集是一個經典的多分類問題數據集。數據集中包含了3個品種的鳶尾花：Setosa、Versicolour和Virginica。每個樣本有4個特徵：花萼長度、花萼寬度、花瓣長度和花瓣寬度。共有150個樣本，每種品種分別有50個樣本。

其特徵如下：

• 花萼長度（cm）
• 花萼寬度（cm）
• 花瓣長度（cm）
• 花瓣寬度（cm）