python
在机器学习中，对数据进行分析和处理是必不可少，而且也是决定我们训练效果的关键。
参考《Python机器学习基础教程》
参考 国外有关 pandas 库的教程
iris
from sklearn.datasets import load_iris
iris_dataset = load_iris()
print(iris_dataset)
会返回一个类似字典结构的数据
print("Keys of iris_dataset: \n{}".format(iris_dataset.keys()))
输出如下，同 keys 方法打印 iris_dataset 数据的键值，然后就可以根据键值来获取对应我们想要数据。我是 java 出生喜欢驼峰命名，不过来到 python 也需要入乡随俗，使用蛇形命名 iris_dataset
Keys of iris_dataset:
['target', 'DESCR', 'target_names', 'feature_names', 'data', 'filename']
在 DESCR 键所对应内容为说明文字。
print(iris_dataset['DESCR'])
在数据都有哪些类别
随后通过对数据进行训练，机器学习通过训练后根据给数据（特征）判断出数据描述属于哪一个类别。
print(iris_dataset['target_names'])
打印一下数据，包括以下类别
['setosa' 'versicolor' 'virginica']
在数据中有些特性
随后我们根据这些特性对数据进行分类，找出可以区分特性是可以分类的前提。
print(iris_dataset['feature_names'])
输出
['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
萼片（sepal)的宽度和长度，以及花瓣(petal)的宽度和长度进行判断。
数据结构
我们看一看 data 里面数据什么样，先来看看数据是什么样结构和形状（这里形状通常指如果数据结构为矩阵，形状是用来表述矩阵维度的）
print(type(iris_dataset['data']))
print(iris_dataset['data'].shape)
(150, 4)
从形状来看数据中有 150 x 4 矩阵，也就是有 150 条数据，4 表示每条记录中对应 4 个特征的值。
print(iris_dataset['data'][:5])
通过打印前 5 行数据来看一看其庐山真面目。
[[5.1 3.5 1.4 0.2]
[4.9 3. 1.4 0.2]
[4.7 3.2 1.3 0.2]
[4.6 3.1 1.5 0.2]
[5. 3.6 1.4 0.2]]
查看期望值
print(iris_dataset['target'].shape)
(150,)
输出一下期望值，我们 data 数据每条数据对应一个类别，这个是已知条件，每条数据所属的类别（也就是期望值）包括在 target 中。
print(iris_dataset['target'])
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2]
数据 0，1，2 分别对应三种类别。
预处理数据
现在有了数据，对数据结构也有了了解，接下来我们需要将数据进行整理，将数据随机分为训练数据和测试数据
- 用于构建机器模型的数据被称为训练数据
- 用于评估训练好的模型的好坏的数据集称为测试数据
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)
train_test_split 函数将数据进行洗牌后将 75% 数据作为训练数据，而 25% 数据作为测试数据集。random_state 参数指定随机数生成器的种子。好处是函数输出就是固定不变的，输出一致性。
grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(
15, 15), marker='o', hist_kwds={'bins': 20}, s=60, alpha=.8, cmap=mglearn.cm3)
import matplotlib.pyplot as plt
plt.show()
通过 matplotlib 来可视化数据
图
在开始训练模型
网友评论