鸢尾花分类实践：数据科学作业解析

这是我去年选修数据科学时候的作业三，当时是肖若秀老师教的，但听说我们这届之后计科和物联信安一个难度授课了这篇文章可能也就只是自己记录帮不上学弟学妹了，但当时我上数据科学时候肖老师不签到老好了最后四个作业完成之后就有个还不错的分数虽然不出国选修课分数也无所谓就是了。

前文链接：

                数据科学作业1        

                数据科学作业2_房屋交易价格预测

目录

前文链接：

一、作业描述

二、作业过程

1.导入相关的库

2.读取数据

3.绘制  Violinplot

4.绘制pointplot

5.使用 Andrews Curves 将每个多变量观测值转换为曲线并表示傅立叶级数的系数，这对于检测时间序列数据中的异常值很有用。

6.线性回归的可视化

7.通过热图找出数据集中不同特征之间的相关性

8.机器学习

三、可视化结果

四、源代码附上

五、心得体会

一、作业描述

在本作业中，提供鸢尾花数据一套，数据为iris，包括150条记录，字段已经在课程上说明。本次作业旨在根据花瓣宽度、花瓣长度、花萼宽度、花萼长度4个特征实现对鸢尾花类别的精准预测，主要考察学生对于分类算法的理解和应用。

具体要求：

（1）选择合理的三分类拆解方式，在逻辑回归、k-NN、SVM、决策树中实现2种分类器，合理的确定超参数，并选定合理的评价指标分析分类器性能。

（2）实现一种集成的分类器，并选定合理的评价指标分析分类器性能。 

 二、作业过程

import numpy as np

import pandas as pd

from pandas import plotting

import matplotlib.pyplot as plt

plt.style.use('seaborn')

import seaborn as sns

sns.set_style("whitegrid")

from sklearn.linear_model import LogisticRegression

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import LabelEncoder

from sklearn.neighbors import KNeighborsClassifier

from sklearn import svm

from sklearn import metrics

from sklearn.tree import DecisionTreeClassifier

iris = pd.read_csv('iris.csv') 3.绘制  Violinplot

f, axes = plt.subplots(2, 2, figsize=(8, 8), sharex=True)

sns.despine(left=True)

sns.violinplot(x='targetname', y='sepal length (cm)', data=iris, palette=antV, ax=axes[0, 0])

sns.violinplot(x='targetname', y='sepal width (cm)', data=iris, palette=antV, ax=axes[0, 1])

sns.violinplot(x='targetname', y='petal length (cm)', data=iris, palette=antV, ax=axes[1, 0])

sns.violinplot(x='targetname', y='petal width (cm)', d

相关知识

机器学习入门实践——鸢尾花分类
鸢尾花数据集深度分析：机器学习的入门实践
鸢尾花数据集分类
鸢尾花、葡萄酒分类数据集
基于鸢尾花（iris）数据集的逻辑回归分类实践
鸢尾花分类实践：决策树模型解析
KNN算法实现鸢尾花数据集分类 C语言实现指南
揭秘鸢尾花数据集在Ubuntu平台上的应用与实践
作业5：SVM实现鸢尾花分类
利用SVM分类算法解析鸢尾花数据集

网址: 鸢尾花分类实践：数据科学作业解析 https://www.huajiangbk.com/newsview1946812.html