公司官方网站建设费计入什么科目,黑色风格网站主页面,延吉最好的网站建设公司,南京seo推广优化鸢(yuān)尾花(Iris)数据集介绍
鸢【音#xff1a;yuān】尾花#xff08;Iris#xff09;是单子叶百合目花卉#xff0c;是一种比较常见的花#xff0c;而且鸢尾花的品种较多#xff0c;在某个公园里你可能不经意间就能碰见它。
鸢尾花数据集最初由Edgar Anderson 测量…鸢(yuān)尾花(Iris)数据集介绍
鸢【音yuān】尾花Iris是单子叶百合目花卉是一种比较常见的花而且鸢尾花的品种较多在某个公园里你可能不经意间就能碰见它。
鸢尾花数据集最初由Edgar Anderson 测量得到而后在著名的统计学家和生物学家R.A Fisher于1936年发表的文章「The use of multiple measurements in taxonomic problems」中被使用用它作为线性判别分析Linear Discriminant Analysis的一个例子证明分类的统计方法。该数据集是在机器学习领域一个常用的数据集。
数据中的两类鸢尾花记录结果是在加拿大加斯帕半岛上在同一天的同一个时间段使用相同的测量仪器在相同的牧场上由同一个人测量出来的。这是一份有着70年历史的数据虽然老但是却很经典详细数据集可以在UCI 数据库http://archive.ics.uci.edu/ml/datasets/Iris 中找到。 http://archive.ics.uci.edu/static/public/53/iris.zip
Iris也称鸢尾花卉数据集是一类多重变量分析的数据集。通过花萼长度花萼宽度花瓣长度花瓣宽度4个属性预测鸢尾花卉属于Setosa(山鸢尾)Versicolour(杂色鸢尾)Virginica(维吉尼亚鸢尾)三个种类中的哪一类。
鸢尾花iris数据集它共有4个属性列和一个品种类别列sepal length萼片长度、sepal width萼片宽度、petal length花瓣长度、petal width 花瓣宽度单位都是厘米。3个品种类别是Setosa、Versicolour、Virginica样本数量150个每类50个。 本文主要通过Jupyter Notebook对鸢尾花数据集Iris进行读取显示数据并对数据可视化最后使用该数据集来应用于K近邻算法线性回归分析。
1读取数据包括scikit-learn库引入和读取.csv文件保存的数据集。
2显示数据包括显示具体数据、查看整体数据信息、描述性统计。
3数据可视化包括散点图、直方图、KDE图、箱线图等。
4应用该数据集于scikit-learn的K近邻算法进行线性回归分析。
读取数据
from sklearn import datasets
import pandas as pdiris_datas datasets.load_iris()iris_df pd.DataFrame(iris_datas.data, columns[Sepal Length, Sepal Width, Petal Length, Petal Width])# 它是一个很小的数据集仅有150行5列。该数据集的四个特征(1~4)列属性的取值都是数值型的
# 他们具有相同的量纲不需要你做任何标准化的处理
# 第五列为通过前面四列所确定的鸢尾花所属的类别名称。
iris_csv_url https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
names [sepal-length, sepal-width, petal-length, petal-width, class]
iris_csv_df pd.read_csv(iris_csv_url, namesnames)
显示数据
基本数据信息
# 四列数据分别为
# 列1 - Sepal Length Cm: 花萼长度, 单位cm
# 列2 - Sepal Width Cm: 花萼宽度, 单位cm
# 列3 - Petal Length Cm: 花瓣长度, 单位cm
# 列4 - Petal Width Cm; 花瓣宽度, 单位cm
iris_datas.data[0:10] iris_df.head() iris_datas.data.shape
iris_df.shape # Sepa Length Cm: 花萼长度, 单位cm
# Sepal Width Cm: 花萼宽度, 单位cm
# Petal Length Cm: 花瓣长度, 单位cm
# Petal Width Cm; 花瓣宽度, 单位cm
iris_datas.feature_names
iris_datas.target[0:5]
iris_datas.target.shape
iris_datas.target_names print(iris_datas.DESCR) iris_csv_df.head() 查看数据整体信息
iris_df.info() 查看描述性统计
iris_df.describe()iris_df.describe().T 数据可视化
花萼长度与宽度分布 / 花瓣长度与宽度分布用颜色和形状区分类型
from collections import Counter, defaultdict
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams[font.sans-serif] [SimHei] # 支持中文字体style_lst [o, ^, s] # 三个分类设置点的不同形状不同形状默认颜色不同
data iris_datas.data
labels iris_datas.target_names
print(labels:, labels)
cls_dict defaultdict(list) # 使用默认字典来进行分类每个分类的数据放到一个单独的列表中
for i, d in enumerate(data):cls_dict[labels[int(i/50)]].append(d) # 一共3个种类,每一种类有50个样本集# print(col_dict:\n, col_dict)
for col in [0, 2]: # 一共4列 1,2列为一组(花萼的长与宽)34列为一组(花瓣的长和宽)cls_list []for i, (cls, cls_ds) in enumerate(cls_dict.items()):# 共3个分类draw_data np.array(cls_ds)plot plt.plot(draw_data[:, col], draw_data[:, col1], style_lst[i])cls_list.append(cls)plt.legend(cls_list)plt.title(鸢尾花花瓣的长度和宽度) if col2 else plt.title(鸢尾花花萼的长度和宽度)plt.xlabel(花瓣的长度(cm)) if col2 else plt.xlabel(花萼的长度(cm))plt.ylabel(花瓣的宽度(cm)) if col2 else plt.ylabel(花萼的宽度(cm))plt.show()
[Python] 内置类defaultdict(默认字典)介绍和使用场景(案例)-CSDN博客 数据直方图
iris_csv_df.hist() #数据直方图histograms 散点图这里不区分是哪个类型
x轴表示sepal-length花萼长度y轴表示sepal-width花萼宽度
iris_csv_df.plot(xsepal-length, ysepal-width, kindscatter) x轴表示patal-length花瓣长度y轴表示patal-width花瓣宽度
iris_csv_df.plot(xpetal-length, ypetal-width, kindscatter) KDE图
KDE图也被称作密度图(Kernel Density Estimate,核密度估计)。
KDE可以理解为是对直方图的加窗平滑。通过KDE分布图可以查看并对训练数据集和测试数据集中特征变量的分布情况。[Python] KDE图[作密度图(Kernel Density Estimate,核密度估计)]介绍和使用场景(案例)-CSDN博客
plt.rcParams[axes.unicode_minus] False # 避免 UserWarning: Glyph 8722 (\N{MINUS SIGN}) missing from current font.
iris_csv_df.plot(kindkde) 与对应的直方图进行对比一下
iris_csv_df.plot(kindhist) 箱线图
kindbox’绘制箱图,包含子图且子图的行列布局layout为2*2子图共用x轴、y轴刻度标签为False。
iris_csv_df.plot(kindbox, subplotsTrue, layout(2,2), sharexFalse, shareyFalse) 根据iris数据集使用K近邻算法进行线性回归
[Python] scikit-learn - K近邻算法介绍和使用案例-CSDN博客
