iris数据集用各种分类方法分类_算法入门（一）分类 with Iris

最新推荐文章于 2024-02-22 15:32:08 发布

程绵羊

最新推荐文章于 2024-02-22 15:32:08 发布

阅读量4.7k

点赞数 9

文章标签： iris数据集用各种分类方法分类

本文链接：https://blog.csdn.net/weixin_42513365/article/details/113081743

版权

本文通过Iris数据集介绍分类问题，探讨了分类算法背景，包括分类与回归的区别。利用EDA分析数据相关性，采用SVM、Logistic Regression、Decision Tree和KNN进行建模，并讨论了特征相关性对模型准确性的影响。

摘要由CSDN通过智能技术生成

一、导入模块和数据

数据源：Iris Species

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

iris = pd.read_csv('C:/Dataset/201908_ML_with_iris/iris.csv')

iris.head()

iris.drop('Unnamed: 0',axis = 1,inplace = True)

iris.columns = ['SepalLengthCm', 'SepalWidthCm', 'PetalLengthCm', 'PetalWidthCm',
       'Species']

iris.info()

iris.Species.value_counts()

花瓣petal,花萼sepal说明

二、EDA 数据探索

三种品类花萼长宽分布

fig = iris[iris.Species=='setosa'].plot(kind='scatter',x='SepalLengthCm',y='SepalWidthCm',color='r',label = 'setosa')
iris[iris.Species=='versicolor'].plot(kind='scatter',x='SepalLengthCm',y='SepalWidthCm',color='b',label = 'v