机器学习之简单的数据探

featurename：
[‘sepal length (cm)’,
‘sepal width (cm)’,
‘petal length (cm)’,
‘petal width (cm)’]

• 首先看前两个特征

X = iris.data[:,:2]#获取所有行，取前两列
plt.scatter(X[:,0], X[:,1])#第0列，第1列
plt.xlabel("sepal length")#x轴标签
plt.ylabel("sepal width")#y轴标签
plt.show()
plt.show()

效果如图：

因为只有一种颜色，所以不能看出这些表示哪些特征。
* 我们再次做图，将三种燕尾花用不同的颜色标示出来，并且用不同的形状表示

y=iris.target
plt.scatter(X[y==0,0],X[y==0,1],color="R",marker="o")#X[y==0,0]表示取出y=0 的第0列
plt.scatter(X[y==1,0],X[y==1,1],color="G",marker="x")#marker,点的形状
plt.scatter(X[y==2,0],X[y==2,1],color="B",marker="+")
plt.show()

效果如下：

• 因为上述只表示了前两种特征的图，接下来我们看后两种特征在图上的表示情况：

X=iris.data[:,2:]
y=iris.target
plt.scatter(X[y==0,0],X[y==0,1],color="R",marker="o")#X[y==0,0]表示取出y=0 的第0列
plt.scatter(X[y==1,0],X[y==1,1],color="G",marker="x")#marker,点的形状
plt.scatter(X[y==2,0],X[y==2,1],color="B",marker="+")
plt.show()

效果：