3、鸢尾花数据集

Posted 2023-05-05

参考技术A 鸢尾花数据集是机器学习和统计学中的一个经典数据集，数据包含每朵鸢尾花花瓣的长度和宽度、花萼的长度和宽度（data），以及每朵花对应的种类（target），还有对数据的一些说明（DESCR）、种类名（target_names）、特征名（feature_names）。

我们利用这个数据建立一个最简单的机器学习模型-k近邻算法。

输出

load_iris返回的对象是一个Bunch对象，与字典非常相似，里面包含键和值。其中DESCR键对应的值是数据集的简要说明，target即Y值，target_names即花的种类，feature_names即特征名，data即X值。

可以看到记录了150条数据，有4个特征，花瓣的长度、花瓣的宽度、花萼的长度、花萼的宽度。

模型精度约为97%。

鸢尾花数据集可视化

数据集描述：其包含120条训练集和30条测试集

 

 对鸢尾花的属性和标签之间的可视化操作：

 1 import tensorflow as tf
 2 import pandas as pd
 3 import numpy as np
 4 import matplotlib.pyplot as plt
 5 
 6 #鸢尾花数据集
 7 
 8 TRAIN_URL = ‘http://download.tensorflow.org/data/iris_training.csv‘ #数据下载地址
 9 train_path = tf.keras.utils.get_file(TRAIN_URL.split(‘/‘)[-1], TRAIN_URL)  #下载数据，并返回路径（默认路径）
10 names = [‘花萼长度‘,‘花萼宽度‘,‘花瓣长度‘,‘花瓣宽度‘,‘品种‘]  #自定义列标题
11 df_iris = pd.read_csv(train_path,header=0, names=names) #names指定的列标题会替代header指定的列标题
12 #df_iris.head()   #读取前5行，参数n可以指定行数   tail（n）函数读取后n行数据
13 
14 #可视化
15 fig = plt.figure(‘Iris Data‘, figsize=(15,15))
16 plt.suptitle(‘鸢尾花数据集
Bule->Setosa | Red->Versicolor | Green->Virginica‘, fontsize = 30)
17 
18 for i in range(4):
19     for j in range(4):
20         plt.subplot(4,4, 4*i+(j+1))  #创建4*4的子画布，一行一行的循环画，其中每个子图的索引为 4*i+(j+1)
21         if i ==j:
22             plt.text(0.3,0.5, names[i], fontsize = 25) #正对角线上的子图只显示标签
23         else:
24             plt.scatter(np.array(df_iris)[:,j], np.array(df_iris)[:,i], c=np.array(df_iris)[:,4], cmap = ‘brg‘)
25         if i == 0:
26             plt.title(names[j], fontsize= 20)  #为了美观，把title当X轴标签
27         if j == 0:
28             plt.ylabel(names[i], fontsize = 20) #设置Y轴标签
29 
30 plt.tight_layout(rect=[0,0,1,0.9])  #自动调整子图布局，设置0.9是为了给全局标题一点空间，避免拥挤
31 plt.savefig(‘Iris.jpg‘)
32 plt.show()

tf.keras.utils.get_file函数用于下载数据集,其参数介绍如下：

 

 

这里说明一下plt.scatter（）函数中的参数c和 cmap，c用于指定一个有重复列表，cmap是一个颜色序列。

例如c=[0,1,2,0,1,2,0,1,2],cmap = ‘brg’ ，那么在绘图的过程中cmap中的颜色序列就会对c列表中值进行配对，最后0->b, 1->r, 2->g

所以c中的序列画出来的颜色就是[b,r,g,b,r,g,b,r,g]