鸢尾花分类MATLAB实验报告,[机器学习实战-分类-决策树]-以鸢尾花分类实验为例...

整套流程：

1.数据获取，划分训练集测试集

2.模型训练->模型预测->模型评估

3.模型的保存与加载

4.模型可视化

iris数据集简介：共150条数据，三个类(分别：Setosa，Versicolour，Virginica。每个类50条数据)，4个维度特征(分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度)

数据源：https://archive.ics.uci.edu/ml/datasets/iris

"""1.数据获取，划分训练集测试集"""

from sklearn import datasets

from sklearn.model_selection import train_test_split

# 数据获取

iris = datasets.load_iris() # 加载 iris 数据集

iris_feature = iris.data # 特征数据

iris_target = iris.target # 分类数据

print('类别：',iris.target_names)

print('特征：',iris.feature_names)

# 划分训练集测试集: test_size测试集占比, random_stat为数据混乱程度

feature_train, feature_test, targe