Python机器学习案例：鸢尾花分类

1.鸢尾花分类详解

1.1 定义

鸢尾花分类（Iris Classification）是机器学习领域最经典的 监督学习案例之一。该任务通过测量鸢尾花的四个形态特征（萼片与花瓣的尺寸），训练模型自动识别其所属的三个亚种。

1.2 数据集构成

1.2.1 特征（Features）

• 萼片长度（sepal length，cm）
• 萼片宽度（sepal width，cm）
• 花瓣长度（petal length，cm）
• 花瓣宽度（petal width，cm）

1.2.2 目标类别（Labels）

• Iris-setosa（山鸢尾）
• Iris-versicolor（变色鸢尾）
• Iris-virginica（维吉尼亚鸢尾）
  

1.3 典型应用场景

1. 机器学习教学：最基础的分类算法实践案例
2. 算法基准测试：用于比较不同分类算法性能
3. 特征工程研究：验证特征选择对分类效果的影响
4. 模式识别入门：展示如何通过量化特征区分生物种类

1.4 机器学习中的特殊地位

• 维度适中：4个特征+3个类别，复杂度适合教学演示
• 线性可分性：Setosa与其他两类线性可分，Versicolor与Virginica存在部分重叠
• 数据纯净：由植物学家Edgar Anderson精确测量，无噪声数据
• 标准化程度高：被scikit-learn等主流库直接内置

1.5 分类任务示例

当模型接收到以下测量数据：

萼片长=5.1cm | 萼片宽=3.5cm | 花瓣长=1.4cm | 花瓣宽=0.2cm
模型应输出预测：Iris-setosa

---

2.鸢尾花分类（Python实现）

2.1 项目目标

使用鸢尾花数据集（Iris Dataset）训练模型，根据花瓣/萼片的长度和宽度特征，自动识别花的种类（Setosa/Versicolor/Virginica）

2.2 环境准备

确保已安装以下Python库：
bash pip install numpy pandas matplotlib scikit-learn

2.3 实现步骤

2.3.1 导入所需库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, confusion_matrix
from sklearn import tree

2.3.2 加载与探索数据

# 加载内置数据集
iris = load_iris()
data = pd.DataFrame(iris.data, columns=iris.feature_names)
data['target'] = iris