Java实现鸢尾花分类,机器学习笔记--鸢尾花分类（一）

· 数据初识

鸢尾花分类是一个经典的机器学习应用。

假设一个植物爱好者观察了很多鸢尾花，并记录了这些花的数据(花瓣长度、宽度以及花萼的长度、宽度)，并且一直这些花都属于于setosa、 versicolor 或 virginica 三个品种之一。现在需要根据记录的数据预测花的种类。

因为这是一个经典的数据集，所以在 scikit-learn 的 datasets 模块中。我们可以调用 load_iris 函数来加载数据：

from sklearn.datasets import load_iris

iris_dataset = load_iris()

print("Keys of iris_dataset: \n{}".format(iris_dataset.keys()))

得到结果：

Keys of iris_dataset:

dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename'])

我们再分别把这几个key下的数据打印出来，首先是data，由于data太多了，所以我们只打印出了前五个：

print("first 5 data: \n{}".format(iris_dataset['data'][:5]))

得到结果如下，应该是分别对应的花瓣长度、宽度，花萼长度、宽度：

first 5 data:

[[5.1 3.5 1.4 0.2]

[4.9 3. 1.4 0.2]

[4.7 3.2 1.3 0.2]

[4.6 3.1 1.5 0.2]

[5. 3.6 1.4 0.2]]

然后是target，和target_names:

print("target: \n{}".format(iris_dataset['target']))

print("target_names: \n{}".format(iris_dataset['target_names']))

得到的结果如下，0、1、2应该是对应着三种花：

target:

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

2 2]

target_names:

['setosa' 'versicolor' 'virginica']

DESCR是对数据集的说明，我就不展示了。最后看看feature_names，和filename：

print("feature_names: \n{}".format(iris_dataset['feature_names']))

print("filename: \n{}".format(iris_dataset['filename']))

我们可以知道是哪四种属性以及记录数据的CSV的地址，得到结果如下：

feature_names:

['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

filename:

C:\Anaconda\lib\site-packages\sklearn\datasets\data\iris.csv