pytorch用多层感知机实现鸢尾花3分类（亲测可用）

pytorch用多层感知机实现鸢尾花3分类（亲测可用）

泪目了，家人们
我终于能交出点东西了
这是上课的要求，不能直接用库，不能用sklearn函数，必须用多层感知机！而且要3分类，太难了。

---

鸢尾花分类是人工智能界的Hello World。各种人工智能的书籍，往往都会从鸢尾花的分类开始。下面我们将使用鸢尾花分类作为例子，来共同学习人工智能的若干基本概念。这里的人工智能，特指机器学习。

iris数据集的中文名是安德森鸢尾花卉数据集，含有5个key，分别是DESCT，target_name（分类名称，即四个特征值的名称），target（分类，有150个数值，有（0，1，2）三种取值，分别代表三个种类），feature_names（特征名称，三个种类的名称），data（四个特征值，花萼的长、宽，花瓣的长、宽）。 iris包含150个样本，对应数据集的每行数据。每行数据包含每个样本的四个特征和样本的类别信息，所以iris数据集是一个150行5列的二维表。通俗地说，iris数据集是用来给花做分类的数据集，每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度四个特征（前4列），我们需要建立一个分类器，分类器可以通过样本的四个特征来判断样本属于山鸢尾、变色鸢尾还是维吉尼亚鸢尾（这三个名词都是花的品种）。

鸢尾花主要有三个品种，setosa,versicolor,virginnica（山鸢尾、变色鸢尾和维吉尼亚鸢尾）。在进行分类时，主要依据是花瓣的长度（Petal Length）、宽度（Petal Width），花萼的长度（Sepal Length）和宽度（Sepal Width）（均以厘米做单位）。

首先，我们从鸢尾花数据集中，提取一部分，来作为训练数据（训练集），让机器学会如何辨识。然后，我们把剩下的一部分数据作为测试数据（测试集），让机器来识别，并判断识别的精准度。

调用load_iris函数来加载数据：

from sklearn.datasets import load_iris
iris_dataset = load_iris()

---

下面是代码，而且是三分类，不是二分类
完整代码链接

完整代码亲测有效，没用你来打我！

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

import torch.nn as nn
import torch
import torch.utils.data as Data