西瓜数据集介绍以及获取。

最新推荐文章于 2024-05-14 22:40:59 发布
最新推荐文章于 2024-05-14 22:40:59 发布
阅读量2.9w 收藏 175
点赞数 42
分类专栏： 机器学习 文章标签： 数据集
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Leafage_M/article/details/79560791
版权
西瓜数据集介绍。

这里介绍一下《机器学习》中的西瓜数据。数据集也不少，放在别的文章中介绍就会略占篇幅，还是单独的介绍一下并且给出数据样本。

在西瓜书中，主要使用到的数据样本共有2.0、3.0、4.0这三个版本，但是还有一些用到的数据集。

西瓜数据集2.0

在西瓜数据集2.0中的特征主要有以下几种：色泽、根蒂、敲声、纹理、脐部、触感。这几个数值都是离散数值，每个特征共有三个离散值。

来自西瓜书中的西瓜数据集2.0：

编号色泽根蒂敲声纹理脐部触感好瓜
1青绿蜷缩浊响清晰凹陷硬滑是
2乌黑蜷缩沉闷清晰凹陷硬滑是
3乌黑蜷缩浊响清晰凹陷硬滑是
4青绿蜷缩沉闷清晰凹陷硬滑是
5浅白蜷缩浊响清晰凹陷硬滑是
6青绿稍蜷浊响清晰稍凹软粘是
7乌黑稍蜷浊响稍糊稍凹软粘是
8乌黑稍蜷浊响清晰稍凹硬滑是
9乌黑稍蜷沉闷稍糊稍凹硬滑否
10青绿硬挺清脆清晰平坦软粘否
11浅白硬挺清脆模糊平坦硬滑否
12浅白蜷缩浊响模糊平坦软粘否
13青绿稍蜷浊响稍糊凹陷硬滑否
14浅白稍蜷沉闷稍糊凹陷硬滑否
15乌黑稍蜷浊响清晰稍凹软粘否
16浅白蜷缩浊响模糊平坦硬滑否
17青绿蜷缩沉闷稍糊稍凹硬滑否

看的也是眼花缭乱，这里共有8个好瓜和9个坏瓜样本。

以下代码可以获取带上面你的样本数据和对应的标签，以及某个特征值的所有可能性。

def createDataSet():
    """
    创建测试的数据集
    :return:
    """
    dataSet = [
        # 1
        ['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
        # 2
        ['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
        # 3
        ['乌黑', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
        # 4
        ['青绿', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
        # 5
        ['浅白', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
        # 6
        ['青绿', '稍蜷', '浊响', '清晰', '稍凹', '软粘', '好瓜'],
        # 7
        ['乌黑', '稍蜷', '浊响', '稍糊', '稍凹', '软粘', '好瓜'],
        # 8
        ['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '硬滑', '好瓜'],

        # ----------------------------------------------------
        # 9
        ['乌黑', '稍蜷', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜'],
        # 10
        ['青绿', '硬挺', '清脆', '清晰', '平坦', '软粘', '坏瓜'],
        # 11
        ['浅白', '硬挺', '清脆', '模糊', '平坦', '硬滑', '坏瓜'],
        # 12
        ['浅白', '蜷缩', '浊响', '模糊', '平坦', '软粘', '坏瓜'],
        # 13
        ['青绿', '稍蜷', '浊响', '稍糊', '凹陷', '硬滑', '坏瓜'],
        # 14
        ['浅白', '稍蜷', '沉闷', '稍糊', '凹陷', '硬滑', '坏瓜'],
        # 15
        ['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '软粘', '坏瓜'],
        # 16
        ['浅白', '蜷缩', '浊响', '模糊', '平坦', '硬滑', '坏瓜'],
        # 17
        ['青绿', '蜷缩', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜']
    ]

    # 特征值列表
    labels = ['色泽', '根蒂', '敲击', '纹理', '脐部', '触感']

    # 特征对应的所有可能的情况
    labels_full = {}

    for i in range(len(labels)):
        labelList = [example[i] for example in dataSet]
        uniqueLabel = set(labelList)
        labels_full[labels[i]] = uniqueLabel

    return dataSet, labels, labels_full
西瓜数据集3.0

相较于上面的2.0数据集，3.0又增添了两个特征值：密度和含糖率。这两个特征值都是连续数值。这里不再列出表格，直接给出获取样本数据的代码。

def createDataSet():
    """
    创建测试的数据集，里面的数值中具有连续值
    :return:
    """
    dataSet = [
        # 1
        ['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', 0.697, 0.460, '好瓜'],
        # 2
        ['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', 0.774, 0.376, '好瓜'],
        # 3
        ['乌黑', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', 0.634, 0.264, '好瓜'],
        # 4
        ['青绿', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', 0.608, 0.318, '好瓜'],
        # 5
        ['浅白', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', 0.556, 0.215, '好瓜'],
        # 6
        ['青绿', '稍蜷', '浊响', '清晰', '稍凹', '软粘', 0.403, 0.237, '好瓜'],
        # 7
        ['乌黑', '稍蜷', '浊响', '稍糊', '稍凹', '软粘', 0.481, 0.149, '好瓜'],
        # 8
        ['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '硬滑', 0.437, 0.211, '好瓜'],

        # ----------------------------------------------------
        # 9
        ['乌黑', '稍蜷', '沉闷', '稍糊', '稍凹', '硬滑', 0.666, 0.091, '坏瓜'],
        # 10
        ['青绿', '硬挺', '清脆', '清晰', '平坦', '软粘', 0.243, 0.267, '坏瓜'],
        # 11
        ['浅白', '硬挺', '清脆', '模糊', '平坦', '硬滑', 0.245, 0.057, '坏瓜'],
        # 12
        ['浅白', '蜷缩', '浊响', '模糊', '平坦', '软粘', 0.343, 0.099, '坏瓜'],
        # 13
        ['青绿', '稍蜷', '浊响', '稍糊', '凹陷', '硬滑', 0.639, 0.161, '坏瓜'],
        # 14
        ['浅白', '稍蜷', '沉闷', '稍糊', '凹陷', '硬滑', 0.657, 0.198, '坏瓜'],
        # 15
        ['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '软粘', 0.360, 0.370, '坏瓜'],
        # 16
        ['浅白', '蜷缩', '浊响', '模糊', '平坦', '硬滑', 0.593, 0.042, '坏瓜'],
        # 17
        ['青绿', '蜷缩', '沉闷', '稍糊', '稍凹', '硬滑', 0.719, 0.103, '坏瓜']
    ]

    # 特征值列表
    labels = ['色泽', '根蒂', '敲击', '纹理', '脐部', '触感', '密度', '含糖率']

    # 特征对应的所有可能的情况
    labels_full = {}

    for i in range(len(labels)):
        labelList = [example[i] for example in dataSet]
        uniqueLabel = set(labelList)
        labels_full[labels[i]] = uniqueLabel

    return dataSet, labels, labels_full
西瓜数据集4.0

西瓜数据集只包含了密度和含糖率，并没有给出分类标签，在聚类中出现了4.0数据集。

def createDataSet():
    """
    创建测试的数据集，里面的数值中具有连续值
    :return:
    """
    dataSet = [
        # 1
        [0.697, 0.460],
        # 2
        [0.774, 0.376],
        # 3
        [0.634, 0.264],
        # 4
        [0.608, 0.318],
        # 5
        [0.556, 0.215],
        # 6
        [0.403, 0.237],
        # 7
        [0.481, 0.149],
        # 8
        [0.437, 0.211],
        # 9
        [0.666, 0.091],
        # 10
        [0.243, 0.267],
        # 11
        [0.245, 0.057],
        # 12
        [0.343, 0.099],
        # 13
        [0.639, 0.161],
        # 14
        [0.657, 0.198],
        # 15
        [0.360, 0.370],
        # 16
        [0.593, 0.042],
        # 17
        [0.719, 0.103]
        # 18
        [0.359, 0.188]
        # 19
        [0.339, 0.241]
        # 20
        [0.282, 0.257]
        # 21
        [0.748, 0.232]
        # 22
        [0.714, 0.346]
        # 23
        [0.483, 0.312]
        # 24
        [0.478, 0.437]
        # 25
        [0.525, 0.369]
        # 26
        [0.751, 0.489]
        # 27
        [0.532, 0.472]
        # 28
        [0.473, 0.376]
        # 29
        [0.725, 0.445]
        # 30
        [0.446, 0.459]
    ]

    # 特征值列表

    labels = ['密度', '含糖率']

    # 特征对应的所有可能的情况
    labels_full = {}

    for i in range(len(labels)):
        labelList = [example[i] for example in dataSet]
        uniqueLabel = set(labelList)
        labels_full[labels[i]] = uniqueLabel

    return dataSet, labels, labels_full
具有缺失数据的3.0数据集

在决策树部分介绍如何处理缺失值的时候用到了该数据集。

def createDataSet():
    """
    创建测试的数据集
    :return:
    """
    dataSet = [
        # 1
        ['-', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
        # 2
        ['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '-', '好瓜'],
        # 3
        ['乌黑', '蜷缩', '-', '清晰', '凹陷', '硬滑', '好瓜'],
        # 4
        ['青绿', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
        # 5
        ['-', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
        # 6
        ['青绿', '稍蜷', '浊响', '清晰', '-', '软粘', '好瓜'],
        # 7
        ['乌黑', '稍蜷', '浊响', '稍糊', '稍凹', '软粘', '好瓜'],
        # 8
        ['乌黑', '稍蜷', '浊响', '-', '稍凹', '硬滑', '好瓜'],

        # ----------------------------------------------------
        # 9
        ['乌黑', '-', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜'],
        # 10
        ['青绿', '硬挺', '清脆', '-', '平坦', '软粘', '坏瓜'],
        # 11
        ['浅白', '硬挺', '清脆', '模糊', '平坦', '-', '坏瓜'],
        # 12
        ['浅白', '蜷缩', '-', '模糊', '平坦', '软粘', '坏瓜'],
        # 13
        ['-', '稍蜷', '浊响', '稍糊', '凹陷', '硬滑', '坏瓜'],
        # 14
        ['浅白', '稍蜷', '沉闷', '稍糊', '凹陷', '硬滑', '坏瓜'],
        # 15
        ['乌黑', '稍蜷', '浊响', '清晰', '-', '软粘', '坏瓜'],
        # 16
        ['浅白', '蜷缩', '浊响', '模糊', '平坦', '硬滑', '坏瓜'],
        # 17
        ['青绿', '-', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜']
    ]

    # 特征值列表
    labels = ['色泽', '根蒂', '敲击', '纹理', '脐部', '触感']

    # 各个样本的权重
    Wx = []
    for i in range(len(dataSet)):
        Wx.append(1)

    # 特征对应的所有可能的情况
    labels_full = {}

    for i in range(len(labels)):
        labelList = [example[i] for example in dataSet if example[i] != '-']
        uniqueLabel = set(labelList)
        labels_full[labels[i]] = uniqueLabel

    return dataSet, labels, labels_full, Wx
繁城落叶
关注
  • 42
    点赞
  • 踩
  • 175
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
西瓜数据集3.0-数据集
03-04
西瓜数据集3.0 包括（3.0和3.0a） watermelon_3.csv watermelon_3a.csv
机器学习数据集——西瓜数据集.zip
06-20
《机器学习》第五章所介绍了BP网络，这个西瓜数据集是我为了方便进行BP网络测试而制作的。 测试过程：https://blog.csdn.net/weixin_40973138/article/details/118073949?spm=1001.2014.3001.5501
朴素贝叶斯——在西瓜数据集上的应用
最新发布
fjstjsjg的博客
05-14 1260
朴素贝叶斯分类是一种基于贝叶斯定理和特征条件独立假设的监督学习分类算。它广泛应用于文本分类、垃圾邮件过滤、情感分析等领域。本文将通过一个简单的西瓜数据集为例，介绍朴素贝叶斯分类算法的基本原理和实现过程。
【机器学习系列】之“西瓜数据集”决策树构建数学公式计算过程
qq_41995574的博客
04-23 1万+
作者：張張張張 github地址：https://github.com/zhanghekai 【转载请注明出处，谢谢！】 一、决策树概述 决策树（Decision Tree）算法是一种基本的分类与回归方法，是最经常使用的数据挖掘算法之一。决策树是一种非线性有监督分类模型必须将已有的数据进行离散化，即：从字符串变成数值。构造决策树的基本思想是随着树深度的增加，节点的“熵”迅速降低，熵降低的速度越快越...
西瓜书学习笔记---第四章 决策树
m0_46345193的博客
06-21 5756
西瓜书学习笔记--第四章 决策树 4.3编程实现基于信息熵进行划分选择的决策树算法，并为西瓜数据集3.0中的数据生成一颗决策树。 4.4编程实现基于基尼指数进行划分选择的决策树算法，为西瓜数据集2.0生成预剪枝、后剪枝决策树，并与未剪枝决策树进行比较。 4.6选择4个UCI数据集，对上述2种算法产生的未剪枝，预剪枝，后剪枝的决策树进行实验比较，并进行适当的统计显著性检验。.........
人工智能决策树大作业
weixin_45202602的博客
12-29 2401
以西瓜集 2.0 为建模数据，采用交叉验证方法进行数据训练集和验证集的划分，实现决策树 “预剪枝”算法
西瓜数据集，西瓜数据集3.0α
07-29
西瓜数据集，西瓜数据集3.0α
watermelon_决策树_西瓜数据集_西瓜数据_
10-03
西瓜数据集共17个数据，用这个数据集做一个决策树，输出以图形的形式输出或以列表的形式输出，每一次中间节点分类的时候都要把输出的图形显示出来
K-means算法之西瓜数据集
07-09
该数据集为西瓜数据集4.0，可做多种聚类使用，在我的博客《机器学习之K-means算法（小白入门级别）》的代码中使用。
机器学习西瓜数据集4.0
12-26
30条西瓜数据集，机器学习样例数据。
决策树之挑选西瓜
IT23131的博客
10-31 7963
一.决策树 决策树是一种基于树结构来进行决策的分类算法，我们希望从给定的训练数据集学得一个模型（即决策树），用该模型对新样本分类。决策树可以非常直观展现分类的过程和结果，一旦模型构建成功，对新样本的分类效率也相当高。最经典的决策树算法有ID3、C4.5、CART，其中ID3算法是最早被提出的，它可以处理离散属性样本的分类，C4.5和CART算法则可以处理更加复杂的分类问题. 二.西瓜挑选问题描述 举个例子：夏天买西瓜时，我一般先选瓜皮有光泽的（新鲜），再拍一拍选声音清脆的（成熟），这样挑出来的好瓜
不调包，使用numpy手动实现随机森林算法，附详细注释，以及西瓜数据集
qq_38327616的博客
12-05 723
不调包，使用numpy手动实现随机森林算法。
西瓜数据集读取的详细解决方案
热门推荐
weixin_43178406的博客
02-10 5万+
本文主要介绍了西瓜数据集读取的详细解决方案，希望能对新手有所帮助。 文章目录 1. 数据集介绍 2. 读取详细代码 2.1 西瓜数据集1.0 2.2 西瓜数据集2.0 2.3 西瓜数据集3.0 2.4 西瓜数据集4.0
人工智能机器学习——西瓜决策树
changlingMYlove的博客
10-31 2420
西瓜数据集3.0_西瓜书笔记——第一章
weixin_39869043的博客
12-03 1383
1.1引言1.2基本术语按照课文给的实例，关于西瓜的数据。数据集：整个所给的数据的集合称为数据集样本/示例：一个事件或者对象，这里的是一个西瓜属性/特征：事件或者对象的某方面的表现或性质，比如西瓜的色泽，根蒂，敲声属性值：属性的取值，比如色泽属性可以取青绿、乌黑属性空间/样本空间/输入空间：整个属性张成的空间，比如把上述的三个属性在一个三维坐标中表示出 一个西瓜的三位空间，每一个西瓜都可以在在这个...
西瓜数据集2.0 csv
11-24
西瓜数据集2.0 csv是一个基于西瓜数据集的更新版本，它是一个包含了西瓜的相关特征和分类结果的数据集，以CSV格式进行存储。 西瓜数据集2.0包括了一系列的特征参数，例如色泽、根蒂、敲声、纹理等，这些特征被认为是判断一个西瓜好坏的重要因素。除此之外，数据集还包括了目标分类结果，即好瓜或坏瓜。 CSV格式是常用的电子表格文件格式，它以逗号分隔不同的字段，每行代表一个数据样本。使用CSV格式存储西瓜数据集2.0的好处是简洁直观，易于读取和处理。通过读取CSV文件，我们可以方便地导入数据集到各种数据分析工具和机器学习模型中。 西瓜数据集2.0 csv对于研究者和数据科学家来说具有很大的应用价值。通过对这个数据集的分析，可以研究西瓜特征与其好坏的相关性，建立相应的分类模型，预测未知西瓜的好坏，指导消费者进行购买决策。此外，还可以对不同特征对西瓜好坏的影响进行统计分析，从而帮助农民优化种植过程，提高西瓜产量和质量。 总之，西瓜数据集2.0 csv是一个有关西瓜特征和分类结果的数据集，在机器学习和数据分析领域有着重要的应用和研究价值。通过对这个数据集的深入分析，可以得到对西瓜特征和好坏分类之间关系的认识，并为相关领域的决策提供科学依据。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值