目錄

一、機(jī)器學(xué)習(xí)基礎(chǔ)理論

1、機(jī)器學(xué)習(xí)過程

2、機(jī)器學(xué)習(xí)分類?

3、數(shù)據(jù)集返回值介紹

二、鳶尾花數(shù)據(jù)集（實(shí)戰(zhàn)）

1、首先是獲取數(shù)據(jù)集

?2、顯示數(shù)據(jù)集信息（可以不要）

三、數(shù)據(jù)集劃分

1、數(shù)據(jù)集劃分API?

2、代碼及效果

總代碼

---

一、機(jī)器學(xué)習(xí)基礎(chǔ)理論

1、機(jī)器學(xué)習(xí)過程

1. 獲取數(shù)據(jù)
2. 數(shù)據(jù)處理
3. 特征工程（特征值、目標(biāo)值）(包括標(biāo)準(zhǔn)化)
4. 算法訓(xùn)練 -> 得到模型
5. 模型評估

2、機(jī)器學(xué)習(xí)分類（有監(jiān)督/無監(jiān)督）

學(xué)習(xí)階段可用數(shù)據(jù)集：

sklearn、kaggle、UCI

?

3、數(shù)據(jù)集返回值介紹

load返回小數(shù)據(jù)集，fetch返回大數(shù)據(jù)集。

返回datasets.base.Bunch數(shù)據(jù)類型（字典格式）

標(biāo)簽（target）：目標(biāo)值

特征（data）：特征值

返回方式1：dict['key']

返回方式2：dict.key

二、鳶尾花數(shù)據(jù)集（實(shí)戰(zhàn)）

?

???以上三種鳶尾花，分別為鳶尾花的三個(gè)標(biāo)簽。

1、首先是獲取數(shù)據(jù)集

# 獲取數(shù)據(jù)集（鳶尾花）iris = load_iris()

?2、顯示數(shù)據(jù)集信息（可以不要）

# 顯示數(shù)據(jù)集信息Show_Data()# 顯示數(shù)據(jù)集
def Show_Data():# 鳶尾花數(shù)據(jù)集print('鳶尾花數(shù)據(jù)集\n\n', iris)# print('鳶尾花數(shù)據(jù)集描述\n', iris['DESCR'])# 鳶尾花標(biāo)簽# print('鳶尾花標(biāo)簽名稱\n', iris.target_names)# print('鳶尾花標(biāo)簽數(shù)組\n', iris.target)# 鳶尾花特征值# print('鳶尾花特征值名稱\n', iris.feature_names)# print('鳶尾花特征值\n', iris.data)# 數(shù)組行、列查看# print('鳶尾花特征數(shù)組行列\(zhòng)n', iris.data.shape)# print('鳶尾花標(biāo)簽數(shù)組行列\(zhòng)n', iris.target.shape)

三、數(shù)據(jù)集劃分

為了給后面的模型評估留下數(shù)據(jù)，這里只能選取一部分?jǐn)?shù)據(jù)進(jìn)行模型訓(xùn)練。

1、數(shù)據(jù)集劃分API?

sklearn.model_selection.train_test_split

返回：訓(xùn)練集特征值、測試集特征值、訓(xùn)練集目標(biāo)值、測試集目標(biāo)值。

2、代碼及效果

# 數(shù)據(jù)集劃分
def Data_Split():# 訓(xùn)練集、測試集劃分APItrain_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.2)#訓(xùn)練集特征值 測試集特征值 訓(xùn)練集目標(biāo)值    測試集目標(biāo)值   訓(xùn)練集測試集劃分API  訓(xùn)練集      測試集       測試量# 顯示（訓(xùn)練集/測試集的特征值/目標(biāo)值）print('訓(xùn)練集特征值：', train_data.shape)print('測試集特征值：', test_data.shape)print('訓(xùn)練集目標(biāo)值：', train_target.shape)print('測試集目標(biāo)值：', test_target.shape)

?

總代碼

# 機(jī)器學(xué)習(xí)基礎(chǔ)（鳶尾花數(shù)據(jù)集）
# sklearn.model_selection.train_test_split返回：
# 訓(xùn)練集特征值、測試集特征值、訓(xùn)練集目標(biāo)值、測試集目標(biāo)值。
import cv2
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split# 顯示數(shù)據(jù)集
def Show_Data():# 鳶尾花數(shù)據(jù)集print('鳶尾花數(shù)據(jù)集\n\n', iris)# print('鳶尾花數(shù)據(jù)集描述\n', iris['DESCR'])# 鳶尾花標(biāo)簽# print('鳶尾花標(biāo)簽名稱\n', iris.target_names)# print('鳶尾花標(biāo)簽數(shù)組\n', iris.target)# 鳶尾花特征值# print('鳶尾花特征值名稱\n', iris.feature_names)# print('鳶尾花特征值\n', iris.data)# 數(shù)組行、列查看# print('鳶尾花特征數(shù)組行列\(zhòng)n', iris.data.shape)# print('鳶尾花標(biāo)簽數(shù)組行列\(zhòng)n', iris.target.shape)# 數(shù)據(jù)集劃分
def Data_Split():# 訓(xùn)練集、測試集劃分APItrain_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.2)#訓(xùn)練集特征值 測試集特征值 訓(xùn)練集目標(biāo)值    測試集目標(biāo)值   訓(xùn)練集測試集劃分API  訓(xùn)練集      測試集       測試量# 顯示（訓(xùn)練集/測試集的特征值/目標(biāo)值）print('訓(xùn)練集特征值：', train_data.shape)print('測試集特征值：', test_data.shape)print('訓(xùn)練集目標(biāo)值：', train_target.shape)print('測試集目標(biāo)值：', test_target.shape)if __name__ == '__main__':# 獲取數(shù)據(jù)集（鳶尾花）iris = load_iris()# 顯示數(shù)據(jù)集信息# Show_Data()# 數(shù)據(jù)集劃分Data_Split()

總結(jié)

以上是生活随笔為你收集整理的机器学习（1）机器学习基础 鸢尾花数据集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。