python数据分析水果_用python解决简单的水果分类问题

在这篇文章中，我们将使用Python中最流行的机器学习工具scikit- learn,在Python中实现几种机器学习算法。使用简单的数据集来训练分类器区分不同类型的水果。

这篇文章的目的是识别出最适合当前问题的机器学习算法。因此，我们要比较不同的算法，选择性能最好的算法。让我们开始吧!

数据

水果数据集由爱丁堡大学的Iain Murray博士创建。他买了几十个不同种类的橘子、柠檬和苹果，并把它们的尺寸记录在一张桌子上。密歇根大学的教授们对水果数据进行了些微的格式化，可以从这里下载。

下载地址：https://github.com/susanli2016/Machine-Learning-with-Python/blob/master/fruit_data_with_colors.txt

让我们先看一看数据的前几行。

1%matplotlib inline

2import pandas as pd

3import matplotlib.pyplot as plt

4fruits= pd.read_table('fruit_data_with_colors.txt')

5fruits.head()

图1

数据集的每一行表示一个水果块，它由表中的几个特征表示。

在数据集中有59个水果和7个特征:

1print(fruits.shape)

(59, 7)

在数据集中有四种水果:

1print(fruits['fruit_name'].unique())

[“苹果”柑橘”“橙子”“柠檬”]

除了柑橘，数据是相当平衡的。我们只好接着进行下一步。

1print(fruits.groupby('fruit_name').size())

图2

1import seaborn as sns

2sns.countplot(fruits['fruit_name'],label="Count")

3plt.show()

图3

可视化

每个数字变量的箱线图将使我们更清楚地了解输入变量的分布:

1fruits.drop('fruit_label', axis=1).plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False, figsize=(9,9),

2title='Box Plot for each input variable')

3plt.savefig('fruits_box')

4plt.show()

图4

看起来颜色分值近似于高斯分布。

1import pylab as pl

2fruits.drop('fruit_label' ,axis=1).hist(bins=30, figsize=(9,9))

3pl.suptitle("Histogram for each numeric input variable")

4plt.savefig('fruits_hist')