sklearn|机器学习-处理鸢尾花数据集机器学习|python

一、数据处理
- 1.1数据进行可视化
- 1.2检查，清理数据
二、用scikit-learn来预测数据
- 2.1选出特征（输入变量）和标记（输出变量）
- 2.2划分训练集和数据集
- 2.3利用决策树模型进行学习
- 2.4结果

【sklearn|机器学习-处理鸢尾花数据集】
一、数据处理 1.1数据进行可视化

import numpy as np# 用来做数学运算 import pandas as pd# 用来处理数据表 import seaborn as sns# 用来画高级统计图import matplotlib.pyplot as plt# 用来画图 from sklearn.model_selection import train_test_split# 做交叉验证，划分训练集和测试集 from sklearn.tree import DecisionTreeClassifier# 用决策树来分类 iris_data = https://www.it610.com/article/pd.read_csv('iris.csv', na_values=['NA'])# 从名为iris_data的csv文件读数据存成数据表 #第二个参数用来把 csv 里面空白处用 NaN 代替 iris_data.head(5).append(iris_data.tail())# 展示数据表前5个和后5个数据 #print(iris_data.dropna()) iris_data.describe()#检查四列数据的个数，平均数，标准差，最小值，最大值和25，50，75的百分位数 sns.pairplot(iris_data.dropna(),hue="class")# 画散点矩阵图

文章图片

1.2检查，清理数据处理异常值，观察数据，可以看到有个别数据突出

# 去掉 Iris-setosa 里萼片宽度大于2.5厘米的数据，然后画出其条形图 iris_data = https://www.it610.com/article/iris_data.loc[(iris_data['class'] != 'setosa') | (iris_data['sepal_width_cm'] >= 2.5)]

文章图片

二、用scikit-learn来预测数据 2.1选出特征（输入变量）和标记（输出变量）

# 读数据 iris_data_clean = pd.read_csv('iris-data-clean.csv') # 选出特征 all_inputs = iris_data_clean[['sepal_length_cm', 'sepal_width_cm', 'petal_length_cm', 'petal_width_cm']].values # 选出标记 all_classes = iris_data_clean['class'].values

2.2划分训练集和数据集

#划分数据集和测试集 (training_inputs, test_inputs, training_classes, test_classes) = train_test_split(all_inputs, all_classes, train_size=0.75, random_state=1)

2.3利用决策树模型进行学习

# 创建决策树分类器 decision_tree_classifier = DecisionTreeClassifier() # 训练数据 decision_tree_classifier.fit(training_inputs, training_classes) # 分类精度 print(decision_tree_classifier.score(test_inputs, test_classes)) plt.show()

2.4结果