Python scikit-learn 学习笔记—鸢尾花模型

  鸢尾花数据是一个简易有趣的数据集。这个数据集来源于科学家在一岛上找到一种花的三种不同亚类别，分别叫做setosa,versicolor,virginica。但是这三个种类并不是很好分辩，所以他们又从花萼长度，花萼宽度，花瓣长度，花瓣宽度这四个角度测量不同的种类用于定量分析。基于这四个特征，这些数据成了一个多重变量分析的数据集。下面，我们就利用sklearn试着从不同的角度去分析一下这个数据集。

  第一种思路是这样:这三种不同的品种每一种想必都会有特点或者存在一定的相似性。我们不妨先把这些杂乱无章的数据分成三类，然后对应的标出他们每一类的类别。如果按照这样的想法，那么这一个问题就变成了一个聚类问题。

  作为聚类问题，我们可以用k-means模型去解决。可以参考这一篇博文。网址如下：

http://blog.csdn.net/heavendai/article/details/7029465

  首先大体了解一下k-means，这一种算法是非监督模型，也就是说一开始我可以不用告诉它类别，让他们自己去分类。那么怎么去分类呢？假设我们首先将它映射到欧式空间

 

  可以直观的看出来，图中把点分成了三类。然后我们做出这样一种假设：每一类有一个中心点，这一类的绝大部分点到中心点的距离应该是小于到其他类中心点的距离的。之所以说绝大部分是因为考虑到点的特例，我们不能因为单独的几个点而否定之前的大部分。基于这一个思想我们可以确定所要优化的目标函数，我们假设分类N个数据到K个类别，则有：