Iris鸢尾花卉数据集算法练习——PCA和K近邻分类器

walle318

于 2018-03-18 16:34:51 发布

阅读量5.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习算法笔记文章标签：机器学习算法主成分分析 K-近邻分类器

本文链接：https://blog.youkuaiyun.com/walle318/article/details/79600587

本文以Iris鸢尾花数据集为例，实践PCA降维和K-近邻(KNN)分类器。PCA有效地减少了数据维度，KNN算法实现了10%错误率的花卉分类。同时展示了KNN的决策边界绘图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文章主要以sklearn中的Iris鸢尾花数据集为训练对象，练习了PCA和K-近邻算法的使用，以下为笔记内容：

Iris数据集也叫安德森鸢尾花卉数据集，通过测量了三种不同花卉（山鸢尾、变色鸢尾和维吉尼亚鸢尾）的萼片及花瓣的长、宽度得到该数据集，如下：

from sklearn import datasets
iris = datasets.load_iris()
iris.data
Out[1]: 
array([[5.1, 3.5, 1.4, 0.2],
       [4.9, 3. , 1.4, 0.2],
       [4.7, 3.2, 1.3, 0.2],
       [4.6, 3.1, 1.5, 0.2],
       ····················     # 数据集是包含150个元素的数组，每个元素包含4个数值，分别表示萼片的长度、宽度和花瓣的长度、宽度。

iris.target
Out[2]: 
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])  #