《Python机器学习基础教程》学习笔记(1) 鸢尾花分类

引言

鸢尾花分类是《Python机器学习基础教程》中的第一个应用，是一个监督学习问题，概述了使用scikit-learn库进行监督学习的基本流程：

获取数据→数据集拆分→观察数据→构建模型→评估模型→预测

博主使用的编程环境：

Sublime Text 3 + Jupyter Notebook + Anaconda 3

默认导入库：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import mglearn

#博主使用的Anaconda 3并未默认安装mglearn，需要打开anaconda prompt输入pip install mglearn进行安装

 

应用

一 获取数据

鸢尾花（Iris）数据集是机器学习和统计学中的一个经典数据集，包含于scikit-learn的datasets模块中，可调用load_iris()来导入：

from sklearn.datasets import load_iris
iris_dataset = load_iris()

load_iris()返回的是一个Bunch对象，有五个键：

①target_names: 鸢尾花的三个品种

②feature_names: 鸢尾花的四个特征

③DESCR: 对数据集的简要说明

④data: 鸢尾花四个特征的具体数据

⑤target: 鸢尾花的品种，由0，1，2来表示

 

二 数据集拆分

通常我们将数据用大写的X来表示（因为数据是个二维数组），而标签用小写的y来表示

然后利用scikit-learn的train_test_split()将导入的数据集分为训练集（用于构建机器学习模型）与测试集（用于评估模型性能），通常采用3：1的随机分配方法。train_test_split()的随机种子每次执行都会改变，为了使结果可以验证，我们可以通过random_state设置固定的随机种子。

from sklearn.model_selection