SimpleStart 开发案例: Iris机器学习分类

简介

通过介绍经典数据集Iris的机器学习实现，展示如何使用SimpleStart进行项目开发，包括数据集介绍、数据浏览、模型选择、训练与评估、以及测试的实现。

关于 SimpleStart

SimpleStart 是一个类似于 Streamlit 的工具，旨在支持用 Python 快速开发网页和展示数据。与 Streamlit 的不同之处在于，SimpleStart 提供了事件响应和数据驱动的功能：

• 事件响应：所有的表单控件都是基于事件驱动的，这意味着只有需要更新的部分会刷新，而不是整个页面。
• 数据驱动：在 Python 代码中更改某些变量的值时，页面会自动更新，确保展示的信息始终是最新的。

应用介绍

话不多说，这个例子的主要功能有：

• 介绍 Iris 数据集
• 展示 Iris 数据集
• 简单的数据分析
• 使用 KNN 进行模型训练
• 交互式测试

本文将从这四个功能出发，介绍如何使用 SimpleStart 实现，最后附上源代码链接。

1. Iris 数据集介绍页

这个是应用的首页，代码是 app.py, 每个 SimpleStart 起码有一个主页文件，文件名随意取。
页面效果见图 1.

这个页面里主要就是Markdown文本，3张图片和一些链接
其中图片的代码是这样的：

with ss.row(style="margin:10px 0"):
    with ss.col():
        ss.image("./images/setosa.webp", title = "Silky Iris Setosa", elevation = 10, width=250)

    with ss.col():
        ss.image("./images/versicolor.webp", title = "Iris Versicolor", elevation = 10, width=250)

    with ss.col():
        ss.image("./images/virginica.webp", title = "Virginia Iris Virginica", elevation = 10, width=250)

这里用 ss.row 创建了一个行布局，如果结合 ss.spacer() 可以方便地进行对齐处理, 比如左对齐，中央对齐等。

2. Iris 数据数据展示

如图

这里利用 ss.table 展示 Iris 鸢尾花的数据，代码段如下：

ss.space()

title = "Table 1. Iris Dataset"
subtitle =