PYTHON机器学习（03第一个应用：鸢尾花的分类）

 

---

0.引言

一位科学家对鸢尾花产生了浓厚的兴趣，于是他收集了一些花的数据：花瓣的长度和宽度，花萼的长度和宽度。                              他还有一些鸢尾花的测量数据，这些花已经被分类为：setosa，versicolor，virginica三个品种。我们假设他只会在野外遇到这三种花。

---

1.定义：

• 分类（classification）：鸢尾花的品种

• 类别（class）：鸢尾花的不同品种。

• 在这个应用中，只有三种分类，所以我们称之为，三分类问题。

• 标签（label）：对于一个数据点，他的品种就是标签

---

2.初识数据

由于太过经典，这个案例也被引入了我们的scikit-learn的datasets模块中。

from sklearn.datasets import load_iris   #引入iris库
iris_dataset = load_iris()

print("kets of iris_dataset: \n{}".format(iris_dataset.keys())) #输出iris的键值

输出样例

kets of iris_dataset: 
dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename'])

• target_names：预测的花的品种

• feature_names：对特征的说明

• data：每一行代表一朵花，列代表四个测量的数据

• target：一维数组，每朵花对应一个数据。

详细介绍 ：

print(iris_dataset['DESCR'])

.. _iris_dataset:

Iris plants dataset
--------------------

**Data Set Characteristics:**

    :Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:
        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm
        - class:
                - Iris-Setosa
                - Iris-Versicolour
                - Iris-Virginica
                
    :Summary Statistics:

    ============== ==== ==== ======= ===== ====================
                    Min  Max   Mean    SD   Class Correlation
    ============== ==== ==== ======= ===== ====================
    sepal length:   4.3  7.9   5.84   0.83    0.7826
    sepal width:    2.0  4.4   3.05   0.43   -0.4194
    petal length:   1.0  6.9   3.76   1.76    0.9490  (high!)
    petal width:    0.1  2.5   1.20   0.76    0.9565  (high!)
    ============== ==== ==== ======= ===== ====================

 

---

训练数据和测试数据：

• 训练数据（training data）或训练集（train set）：构建机器学习模型

• 测试数据（test data），测试集（test set），留出集（hold-out set）：评估模型性能.

我的理解，训练集是用来求“方程”的表达式，测试集是为了带入验证表达式的正确程度 。