鳶尾花 Iris 資料集

2. pandas庫基礎操作

3. 資料視覺化

tf.keras.utils.get_file(fname,origin,cache_dir)

說明fname

origin

檔案的url位址

cache_dir

train_url=

""train_path=tf.keras.utils.get_file(
"iris_training.csv"
,train_url)

train_url.split("/")    #表示以 / 作分隔符

train_url=

""train_path=tf.keras.utils.get_file(train_url.split(
'/')[-
1],train_url)

import pandas as pd

#檔名引數

pd.read_csv(filepath_or_buffer,header,names)    #header=0(預設)設定第一行資料作為列標題，header=none表示沒有列標題

column_names=

['sepallength'
,'sepalwidth'
,'petallength'
,'species'
]df_iris=pd.read_csv(train_path,header=
0,names=column_names)
df_iris.head(
)#讀取前n行資料，引數為空時，預設讀取而是為資料表中的前5行資料

)輸出結果如下：

)#轉化為numpy陣列後，可以利用索引和切片訪問陣列元素，比如iris[0:6]表示讀取前6行資料，iris[0:6,0:4]表示讀取前6行資料的前4列。

迴圈輸出所有屬性關係圖

import tensorflow as tf

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
train_url=
""train_path=tf.keras.utils.get_file(train_url.split(
'/')[-
1],train_url)
column_names=
['sepallength'
,'sepalwidth'
,'petallength'
,'petalwidth'
,'species'
]df_iris=pd.read_csv(train_path,header=
0,names=column_names)
iris=np.array(df_iris)
fig=plt.figure(
'iris data'
,figsize=(15
,15))
plt.suptitle(
"andreson's iris dara set\n(blue->setosa|red->versicolor|green->virginical)"
)for i in
range(4
):for j in
range(4
):plt.subplot(4,
4,4*i+
(j+1))
if(i==j)
:            plt.text(
0.3,
0.4,column_names[i]
,fontsize=15)
else
:            plt.scatter(iris[
:,j]
,iris[
:,i]
,c=iris[:,
4],cmap=
'brg')if
(i==0)
:            plt.title(column_names[j])if
(j==0)
:            plt.ylabel(column_names[i]
)plt.show(
)

鳶尾花資料集

from sklearn import datasets iris datasets.load iris iris是乙個字典集keys iris.keys dict keys data target target names descr feature names data iris.data.sh...

邏輯回歸 鳶尾花資料集

import numpy as np import pandas as pd data pd.read csv iris.csv 去掉不需要的列 data.drop id axis 1,inplace true data.drop duplicates inplace true 實現對映操作 dat...

kNN處理鳶尾花資料集

knn k nearest neighbor 演算法是機器學習中最基礎入門，也是最常用的演算法之一，可以解決大多數分類與回歸問題。這裡以鳶尾花資料集為例，討論分類問題中的 knn 的思想。鳶尾花資料集內包含 3 類共 150 條記錄，每類各 50 個資料，每條記錄都有 4 項特徵 花萼長度 sepa...