（参评）机器学习笔记——鸢尾花数据集（KNN、决策树、朴素贝叶斯分析）

最开始选取鸢尾花数据集来了解决策树模型时，笔者是按照学习报告的形式来写得，在这里将以原形式上传。格式较为繁复，希望读者可以耐心看完，谢谢大家。

目录

1、问题描述

2、数据准备与数据预处理

  2.1 收集数据

  2.2划分数据集

3、数据可视化

4、模型基本原理与算法实现

  4.1  KNN算法基本原理及主程序

  4.2决策树模型算法及基本原理

  4.3朴素贝叶斯算法及基本原理

5、测试方法与结果

  5.1KNN测试结果

  5.2决策树测试结果

  5.3朴素贝叶斯测试结果

6.总结

7.问题

 

1、问题描述

  iris是鸢尾植物，这里存储了其萼片和花瓣的长宽，共4个属性，鸢尾植物分三类。假定现在出现了一株鸢尾植物，如何通过其所具有的特征来推断出它属于三类中的哪一类？这就是机器学习中的分类问题了。该数据集一共包含4个特征变量，1个类别变量。共有150个样本，鸢尾有三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。 

2、数据准备与数据预处理

2.1收集数据

  在本次问题过程中，所使用的是一个较经典的数据集，所以在scikit-learn的数据库中可以找到。也可以在UCI数据集上下载完成。

 

数据集一共分为四个变量，分别为：花萼长度、花萼宽度、花瓣长度、花瓣宽度

2.2划分数据集

  从上面对样本集的输出我们可以看出Iris数据集给出的三种花是按照顺序来的,前50个是第0类,51-100是第1类,101~150是第二类,如果我们分训练集和测试集的时候要把顺序打乱。在这里我们选取120个为训练集，30个为测试集。为实现随机性，选取三个部分的每部分的最后十组数据作为测试集元素。

train_data = np.concatenate((iris.data[0:40, :], iris.data[50:90, :], iris.data[100:140, :]), axis = 0)  #训练集  

train_target = np.concatenate((iris.target[0:40], iris.target[50:90], iris.target[100:140]), axis = 0)  #训练集样本类别  

test_data = np.concatenate((iris.data[40:50, :], iris.data[90:100, :], iris.data[140:150, :]), axis = 0)  #测试集  

test_target = np.concatenate((iris.target[40:50], iris.target[90:100], iris.target[140:150]), axis = 0) #测试集样本类别  

 

3.数据可视化