本文介绍了如何使用Python和Scikit-learn将经典的IRIS数据集从四个特征减少到两个，便于数据可视化和降低计算复杂度。通过导入所需库，加载数据集，分割训练集和测试集，以及选择前两个特征（花萼长度和花萼宽度），实现了数据集的转换。
IRIS数据集是一个常用的机器学习数据集，其中包含了150个样本，每个样本有4个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。本文将介绍如何使用Python和Scikit-learn库将IRIS数据集转换为只包含两个特征的数据集，以便于可视化和降低计算复杂度。
首先，我们需要导入所需的库和IRIS数据集。确保已安装Scikit-learn库，并从该库中导入load_iris函数和train_test_split函数。
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
接下来，我们可以使用load_iris函数加载IRIS数据集。这个函数会返回一个对象，其中包含特征数据和标签数据。
iris = load_iris()
X = iris
订阅专栏 解锁全文
1072
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
