Dataset之IRIS：鸢尾花(Iris)数据集的简介、下载、使用方法之详细攻略
目录
莺尾花(Iris)数据集的简介
1、莺尾花(Iris)数据集可视化
莺尾花(Iris)数据集的下载
莺尾花(Iris)数据集的使用方法
莺尾花(Iris)数据集的简介
Iris数据集，也称鸢尾花数据集，是一类多重变量分析的数据集，于1988年公开，用于分类任务。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。 数据集包含 3 个类别，每个类别 50 个实例，其中每个类别指的是一种鸢尾植物。一类与另一类线性可分；后者不能彼此线性分离。
英文
中文
备注
sepal length
萼片长度
sepal width
萼片宽度
petal length
花瓣长度
petal width
花瓣宽度
class
类别
Iris Setosa、Iris Versicolour、 Iris Virginica
feature_names = ['sepal length','sepal width','petal length','petal width']
官网：UCI Machine Learning Repository: Iris Data Set
1、莺尾花(Iris)数据集可视化
from sklearn import datasets
iris_data = datasets.load_iris()
print(iris_data.DESCR)
X_arr = iris_data.data
y_arr = iris_data.target
def iris_data_plot(X_arr, y_arr):
import matplotlib.pyplot as plt
plt.figure()
setosa_data = X_arr[y_arr == 0]
plt.scatter(setosa_data[:, 0], setosa_data[:, 1], color="r", label="Iris_setosa")
versicolor_data = X_arr[y_arr == 1]
plt.scatter(versicolor_data[:, 0], versicolor_data[:, 1], color="g", label="Iris_versicolor")
virginica_data = X_arr[y_arr == 2]
plt.scatter(virginica_data[:, 0], virginica_data[:, 1], color="b", label="Iris_virginica")
plt.legend()
plt.title('Iris plants dataset,Instances=150, Attributes=4')
plt.show()
iris_data_plot(X_arr, y_arr)
莺尾花(Iris)数据集的下载
下载链接：UCI Machine Learning Repository: Iris Data Set
莺尾花(Iris)数据集的使用方法
相关文章MAT之GRNN/PNN：基于GRNN、PNN两神经网络实现并比较鸢尾花(iris数据集)种类识别正确率、各个模型运行时间对比MAT之ELM：ELM实现鸢尾花(iris数据集)种类测试集预测识别正确率(better)结果对比ML之SVM：基于SVM(sklearn+subplot)的鸢尾花iris数据集的前两个特征(线性不可分的两个样本)，判定鸢尾花是哪一种类型ML之SVM：基于SVM(sklearn+subplot)的鸢尾花iris数据集的前两个特征(线性不可分的两个样本)，判定鸢尾花是哪一种类型