鸢尾花数据集

1、2、3

#加载numpy包
import numpy
#加载sklearn包
from sklearn.datasets import load_iris
#读出鸢尾花数据集data
data=load_iris()
#查看data类型
print(type(data))
#查看数据内容
print(data.keys())

4、

#鸢尾花的四个特征
data_feature= data.feature_names
iris_data=data.data
print(data_feature)
print(iris_data)
#鸢尾花的三个类别
data_target =data.target_names
print(data_target)
iris_data=data.target
print(iris_data)
#数据类型
type(iris_data)

5、

#鸢尾花花萼长度的数据
sepal_length=numpy.array(list(len[0] for len in data[‘data‘]))
print(sepal_length)

6、

#鸢尾花花瓣长度的数据
petal_length=numpy.array(list(len[2] for len in data[‘data‘]))
print(petal_length)

#鸢尾花花瓣宽度的数据
petal_width=numpy.array(list(len[3] for len in data[‘data‘]))
print(petal_width)

7、

#取出某朵花的四个特征
print(data.data[0])
#取出某朵花的类别
print(data.target_names[0])

8、9

#定义三个列表来存放不同类型花朵的类别
setosa_data = []
versicolor_data = []
virginica_data = []
#
for i in range(0,150):
    #生成为setosa类的鸢尾花花数据
    if  data.target[i] == 0:
        data1 = data.data[i].tolist()
        data1.append(‘setosa‘)
        setosa_data.append(data1)
    #生成为versicolor类的鸢尾花数据
    elif data.target[i] == 1:
        data1 = data.data[i].tolist()
        data1.append(‘versicolor‘)
        versicolor_data.append(data1)
    #剩下的为virginica类的鸢尾花数据
    else:
        data1 = data.data[i].tolist()
        data1.append(‘virginica‘)
        virginica_data.append(data1)
#生成新的数组,每个元素包含四个特征+类别
newdata=(setosa_data ,versicolor_data,virginica_data)
print(newdata)

原文地址:https://www.cnblogs.com/nuan-z/p/9787916.html

时间: 2024-08-30 14:58:11

鸢尾花数据集的相关文章

探索sklearn|鸢尾花数据集

1 鸢尾花数据集背景 鸢尾花数据集是原则20世纪30年代的经典数据集.它是用统计进行分类的鼻祖. sklearn包不仅囊括很多机器学习的算法,也自带了许多经典的数据集,鸢尾花数据集就是其中之一. 导入的方法很简单,不过我比较好奇它是如何来存储这些数据的,于是我决定去背后看一看 from sklearn.datasets import load_iris data = load_iris() 找到sklearn包的路径,发现包可不少,不过现在扔在一边,以后再来探索,我现在要找到是datasets文

numpy数据集练习——鸢尾花数据集

#导包 import numpy as np # 从sklearn包自带的数据集中读出鸢尾花数据集data from sklearn.datasets import load_iris data = load_iris() # 查看data类型,包含哪些数据 print("数据类型:",type(data)) print("数据类目:",data.keys()) # 取出鸢尾花特征和鸢尾花类别数据,查看其形状及数据类型 iris_feature = data.fea

做一个logitic分类之鸢尾花数据集的分类

做一个logitic分类之鸢尾花数据集的分类 Iris 鸢尾花数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例.数据集内包含 3 类共 150 条记录,每类各 50 个数据,每条记录都有 4 项特征:花萼长度.花萼宽度.花瓣长度.花瓣宽度,可以通过这4个特征预测鸢尾花卉属于(iris-setosa, iris-versicolour, iris-virginica)中的哪一品种. 首先我们来加载一下数据集.同时大概的展示下数据结构和数据摘要. import numpy as np

鸢尾花数据集可视化

数据集描述:其包含120条训练集和30条测试集 对鸢尾花的属性和标签之间的可视化操作: 1 import tensorflow as tf 2 import pandas as pd 3 import numpy as np 4 import matplotlib.pyplot as plt 5 6 #鸢尾花数据集 7 8 TRAIN_URL = 'http://download.tensorflow.org/data/iris_training.csv' #数据下载地址 9 train_pat

18-感知机模型在经典数据集鸢尾花上的应用

今天去新宿舍打扫了一天,一切都是新的.立秋了,天气也凉爽起来,让人可以静下心来,不再那么浮躁.如果用心生活,时间是会慢下来的.你会享受多出N倍的人生.浮光掠影,追求效率,牺牲的是本该属于自己的趣味盎然的过程.自从脱离大公司的束缚,不再有周末和下班的概念.然而工作成了一种打怪升级的冒险历程,有点类似游戏.周一不再如上坟,工作和休息也不再泾渭分明.不到两年时间,比在大公司工作十年的经历更值得回忆.有时后悔在大公司呆太久了,单调的生活真的是杀时间的利器,会让你觉得逝去年华如流水,然而并没有什么值得追忆

数据分析经典案例-鸢尾花(iris)数据集分析

鸢尾花(iris)数据集分析 Gaius_Yao 关注 0.8 2018.12.23 14:06 字数 724 阅读 4827评论 0喜欢 5   Iris 鸢尾花数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例.数据集内包含 3 类共 150 条记录,每类各 50 个数据,每条记录都有 4 项特征:花萼长度.花萼宽度.花瓣长度.花瓣宽度,可以通过这4个特征预测鸢尾花卉属于(iris-setosa, iris-versicolour, iris-virginica)中的哪一品种.

【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析

今天主要讲述的内容是关于决策树的知识,主要包括以下内容:        1.分类及决策树算法介绍        2.鸢尾花卉数据集介绍        3.决策树实现鸢尾数据集分析        前文推荐:       [Python数据挖掘课程]一.安装Python及爬虫入门介绍       [Python数据挖掘课程]二.Kmeans聚类数据分析及Anaconda介绍       [Python数据挖掘课程]三.Kmeans聚类代码实现.作业及优化        希望这篇文章对你有所帮助,尤其

关于IRIS数据集的Python分析-一份带注释的代码

所有内容都在python源码和注释里,可运行! ########################### #说明: # 撰写本文的原因是,笔者在研究博文“http://python.jobbole.com/83563/”中发现 # 原内容有少量笔误,并且对入门学友缺少一些信息.于是笔者做了增补,主要有: # 1.查询并简述了涉及的大部分算法: # 2.添加了连接或资源供进一步查询: # 3.增加了一些lib库的基本操作及说明: # 4.增加了必须必要的python的部分语法说明: # 5.增加了对

机器学习之路: python k近邻分类器 鸢尾花分类预测

使用python语言 学习k近邻分类器的api 欢迎来到我的git查看源代码: https://github.com/linyi0604/kaggle 1 from sklearn.datasets import load_iris 2 from sklearn.cross_validation import train_test_split 3 from sklearn.preprocessing import StandardScaler 4 from sklearn.neighbors i