学习鸢尾花数据集[亲测有效]

欢迎大家来到IT世界,在知识的湖畔探索吧!

一、鸢尾花：

1、测量数据：花瓣的长度和宽度，花萼的长度和宽度，所有测量结果都以厘米为单位。

2、有三个品种：setosa，versicolor，virginnica。

3、数据集中每朵鸢尾花叫做一个数据点，它的品种叫做它的标签。

4、载入iris数据集示例

from sklearn import datasets
iris = datasets.load_iris()

欢迎大家来到IT世界,在知识的湖畔探索吧!

查看数据

（1）查看iris.keys()

结果如下：

欢迎大家来到IT世界,在知识的湖畔探索吧!dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module'])

（2）查看data类型和维度

查看代码：

print(type(iris['data']))
print(iris['data'].shape)

查看结果：

代码运行：

（3）查看data数据

其中data数组的每一行对应一朵花的测量数据，列代表每朵花的四个测量数据

查看代码：print(iris[‘data’])

查看结果：

代码运行：

机器学习的个体叫做样本，其属性叫做特征，data数组的形状是样本数乘以特征数。

（4）查看target类型和维度

查看代码：

欢迎大家来到IT世界,在知识的湖畔探索吧!print(iris_dataset['target'].shape)
print(iris_dataset['target_names'])
print(iris_dataset['target'])

查看结果：

代码运行：

data中的每个数据点被转换成target的一个值：0，1，2。分别代表三个品种。

5、训练数据和测试数据

一部分数据用于构建模型，叫做训练数据，另一部分用于评估模型性能，叫做测试数据。

利用scikit-learn中的train_test_split函数可以实现这个功能。这个函数将%75的数据用作训练集，将25%用作测试集。

这个函数需要设置random_state，给其赋一个值，当多次运行此段代码能够得到完全一样的结果，别人运行此代码也可以复现你的过程。若不设置此参数则会随机选择一个种子，执行结果也会因此而不同了。虽然可以对random_state进行调参，但是调参后在训练集上表现好的模型未必在训练集上表现好，所以一般会随便选取一个random_state的值作为参数。

代码：

X_train, X_test, y_train, y_test = train_test_split(iris['data'], iris['target'], random_state=0)
print("X_train:{}".format(X_train[:10]))
print("y_train:{}".format(y_train[:10]))

结果：

运行代码