Python机器学习iris数据集预处理和模型训练方式

二元铂

一、iris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。iris包含150个样本，对应数据集的每行数据。
每行数据包含每个样本的四个特征和样本的类别信息，所以iris数据集是一个150行5列的二维表。
通俗地说，iris数据集是用来给花做分类的数据集，每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度四个特征（前4列），我们需要建立一个分类器，分类器可以通过样本的四个特征来判断样本属于山鸢尾（setosa）、变色鸢尾（versicolor）、维吉尼亚鸢尾（virginica）这三个名词都是花的品种。iris的每个样本都包含了品种信息，即目标属性（第5列，也叫target或label）
如图所示部分数据：

iris在机器学习中的应用：

• 属于监督式学习应用：根据花的四个特征预测鸢尾花卉属于（iris-setosa，iris-versicolour，iris-virginica）中的那一品种。
  
• 机器学习中经典案例，简单而具有代表性。
  

二、基本数据操作和模型训练

1.加载iris数据集

1. # iris数据集加载
   
2. from sklearn import datasets
   
3. iris = datasets.load_iris()

复制代码

2.展示所有数据

1. #展示数据
   
2. print(iris.data
   
3.     )

复制代码

3.展示每列的属性名

1. print(iris.feature_names)

复制代码

4.展示输出目标结果以及结果的含义

1. print(iris.target)
   
2. print(iris.target_names)

复制代码

5.查看输入和输出数据类型

1. print(type(iris.data))
   
2. print(type(iris.target))

复制代码

6.确认行列维度

1. print(iris.data.shape)
   
2. print(iris.target.shape)

复制代码

7.给x，y赋值

1. X =iris.data
   
2. Y = iris.target

复制代码

8.利用knn模型进行预测结果

1. from sklearn.neighbors import KNeighborsClassifier
   
2. #创建实例，假设k值为1
   
3. knn = KNeighborsClassifier(n_neighbors=1）
   
4. #训练数据集模型
   
5. knn.fit(x,y)

复制代码

9.给定特征的值预测花的品种

1. #预测某种花的品种
   
2. knn.predict([[1,2,3,4]])

复制代码

得到数组的数据 “2” ，它代表的是花萼长度为1、花萼宽度为2、花瓣长度为3、花瓣宽度为4的鸢尾花卉预测结果的品种是第三种：维吉尼亚鸢尾（virginica）

1. #多种花的预测
   
2. x_test = [[1,2,3,4],[2,4,1,2]]
   
3. knn.predict(x_test)
   
4. `

复制代码

得到数组的数据 “2” 和 “0”，它代表的是

• 花萼长度为1、花萼宽度为2、花瓣长度为3、花瓣宽度为4的鸢尾花卉预测结果的品种是第三种：维吉尼亚鸢尾（virginica）
  
• 花萼长度为2、花萼宽度为4、花瓣长度为1、花瓣宽度为2的鸢尾花卉预测结果的品种是第一种：山鸢尾（setosa）
  

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

来源:https://www.jb51.net/python/32892820i.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！