机器学习常用数据集001:鸢尾花数据集

1、鸢尾花数据集概述

机器学习包sklearn中集成了各种各样的数据集，其中就包括鸢尾花数据集（Iris）是最简单的分类任务数据集之一。

鸢尾花数据集共有3个分类类别，分别是山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）

该数据集共有150个样本，5个变量（4个特征变量，1个类别变量）。iris是鸢尾植物，4个特征分别对应萼片和花瓣的长和宽。如下表：

列名	说明	类型
SepalLength	花萼长度	float
SepalWidth	花萼宽度	float
PetalLength	花瓣长度	float
PetalWidth	花瓣宽度	float
Class	类别变量：0表示山鸢尾、 1表示变色鸢尾、 2表示维吉尼亚鸢尾	float

2、鸢尾花数据获取

from sklearn import datasets  # 导入sklearn中集成的数据集
import pandas as pd  # 导入pandas

iris = datasets.load_iris()
print("鸢尾花特征:\n", iris.data[:5])  # print前5个特征
print("鸢尾花特征的维度：\n", iris.data.shape)
print("鸢尾花标签:\n", iris.target)
print("鸢尾花标签的维度：\n", iris.target.shape)

输出如下所示：

鸢尾花特征:
 [[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]
 [5.  3.6 1.4 0.2]]
鸢尾花特征的维度：
 (150, 4)
鸢尾花标签:
 [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]
鸢尾花标签的维度：
 (150,)

从输出结果可以看到，类别标签共分为三类，前面50个类标位0，中间50个类标位1，后面50个类别为2。分别代表为山鸢尾、杂色鸢尾、维吉尼亚鸢尾。

3、 散点图绘制

用scatter()函数绘制散点图。

from sklearn import datasets  # 导入sklearn中集成的数据集
import pandas as pd  # 导入pandas
import matplotlib.pyplot as plt

iris = datasets.load_iris()
print("鸢尾花特征:\n", iris.data[:5])  # print前5个特征
print("鸢尾花特征的维度：\n", iris.data.shape)
print("鸢尾花标签:\n", iris.target)
print("鸢尾花标签的维度：\n", iris.target.shape)

cols_list = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth']
df_iris = pd.DataFrame(iris.data, columns=cols_list)
df_iris['Class'] = iris.target
plt.figure()
plt.scatter(df_iris.loc[:50, 'SepalLength'], df_iris.loc[:50, 'SepalWidth'], color='red', marker='o', label='setosa')
plt.scatter(df_iris.loc[50:100, 'SepalLength'], df_iris.loc[50:100, 'SepalWidth'], color='blue', marker='x',
            label='versicolor')
plt.scatter(df_iris.loc[100:, 'SepalLength'], df_iris.loc[100:, 'SepalWidth'], color='green', marker='+', label='Virginica')
plt.show()

绘制散点图如图所示：

如需要整理好的详细的鸢尾花数据集、数据说明、可直接建模的数据等资料，可访问 Python编程网 获取