首页分享鸢尾花数据分析项目（附详细代码和结果）

鸢尾花数据分析项目（附详细代码和结果）

来源：花匠小妙招时间：2024-11-06 23:39

数据集来源：https://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_iris.html#sklearn.datasets.load_iris

1. 数据导入

鸢尾花数据可直接从Sklearn中的datasets 导出。sklearn.datasets.load_iris(*, return_X_y=False, as_frame=False)
该Iris中有两个属性，分别是：iris.data和iris.target

data里是一个矩阵，每一列代表了萼片或花瓣的长宽，一共4列，每一列代表某个被测量的鸢尾植物，一共采样了150条记录。target 代表花的种类return_X_y 指要不要返回 (data, target)两组值，如果选datasets.load_iris(return_X_y=True)即返回上面两组值，默认是Falseas_frame 如果用True，则返回DataFrame格式。注：New in version 0.23. 0.23之前的版本没有这个，用help(sklearn)查看目前版本。

from sklearn import datasets iris = datasets.load_iris() #鸢尾花数据可直接从Sklearn中的datasets 导出 iris #直接从datasets中读取，返回的是字典格式的数据 print(type(iris['data'])) #data数据类型 print(iris['data'].shape) #data结构 print(iris['target'].shape) #结构 print(iris['target_names']) #iris中的targetname print(iris['target']) #iris中的target列 #切分成X和Y X, y = iris.data, iris.target #格式转换，整合成表格 iris_data = pd.DataFrame(np.hstack((X, y.reshape(-1, 1))),index = range(X.shape[0]),columns=['sepal_length_cm','sepal_width_cm','petal_length_cm','petal_width_cm','class'] )

1234567891011121314151617

在这里插入图片描述

2.了解数据

iris_data.info() #查看数据类型` 1

在这里插入图片描述
再例行先来一个描述性分析：

iris_data.describe() #统计分析 1

在这里插入图片描述

#可视化分析，查看到不同特征之间的关系以及分布 sns.pairplot(iris_data.dropna(),hue = 'class’) 12

在这里插入图片描述

热力图：分析特征之间的相关性

fig=plt.gcf() fig.set_size_inches(12, 8) fig=sns.heatmap(iris_data.corr(), annot=True, cmap='GnBu', linewidths=1, linecolor='k', square=True, mask=False, vmin=-1, vmax=1, cbar_kws={"orientation": "vertical"}, cbar=True) 123

在这里插入图片描述

3.数据集训练集切分

#数据集训练集切分 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=20, shuffle=True) print(X_train.shape, y_train.shape, X_test.shape, y_test.shape)#结果可以看到把样本分成了120和30 两个样本 12345

在这里插入图片描述
再画个图看看具体三类花的分布：

参考链接：https://blog.csdn.net/Shine_rise/article/details/102975238

#数据可视化 plt.scatter(X_train[y_train == 0][:, 0], X_train[y_train == 0][:, 1], color='r') plt.scatter(X_train[y_train == 1][:, 0], X_train[y_train == 1][:, 1], color='g') plt.scatter(X_train[y_train == 2][:, 0], X_train[y_train == 2][:, 1], color='b') plt.xlabel('sepal length') plt.ylabel('sepal width') plt.show() 1234567

在这里插入图片描述

4.建模

# Logistic Regression model = LogisticRegression() model.fit(X_train, y_train) prediction = model.predict(X_test) print('The accuracy of the Logistic Regression is {0}'.format(metrics.accuracy_score(prediction,y_test))) # Support Vector Machine model = svm.SVC() model.fit(X_train, y_train) prediction = model.predict(X_test) print('The accuracy of the SVM is: {0}'.format(metrics.accuracy_score(prediction,y_test))) # Decision Tree model=DecisionTreeClassifier() prediction = model.predict(X_test) print('The accuracy of the Decision Tree is:{0}'.format(metrics.accuracy_score(prediction,y_test))) # K-Nearest Neighbours model=KNeighborsClassifier(n_neighbors=3) model.fit(X_train, y_train) prediction = model.predict(X_test) print('The accuracy of the KNN is: {0}'.format(metrics.accuracy_score(prediction,y_test)))

12345678910111213141516171819202122

结果SVM最好，其他都一样。
在这里插入图片描述

模型评估可视化混淆矩阵（这里直接用了上面的X_test, y_test，即KNN的结果）

from sklearn.metrics import plot_confusion_matrix #导包 class_names = iris.target_names #用来命名的 np.set_printoptions(precision=2) #数组格式化打印（指定小数点位数） # Plot non-normalized confusion matrix titles_options = [("Confusion matrix, without normalization", None), ("Normalized confusion matrix", 'true')] for title, normalize in titles_options: disp = plot_confusion_matrix(model, X_test, y_test, display_labels=class_names, cmap=plt.cm.Blues, normalize=normalize) disp.ax_.set_title(title) print(title) print(disp.confusion_matrix) plt.show()

1234567891011121314151617181920

结果输出：
在这里插入图片描述
再画一下SVM，这里直接用了个整合的代码（建模+画图）

# Support Vector Machine model = svm.SVC() model.fit(X_train, y_train) prediction = model.predict(X_test) print('The accuracy of the SVM is: {0}'.format(metrics.accuracy_score(prediction,y_test))) from sklearn.metrics import plot_confusion_matrix class_names = iris.target_names #用来命名的 np.set_printoptions(precision=2) #数组格式化打印（指定小数点位数） # Plot non-normalized confusion matrix titles_options = [("Confusion matrix, without normalization", None), ("Normalized confusion matrix", 'true')] for title, normalize in titles_options: disp = plot_confusion_matrix(model, X_test, y_test, display_labels=class_names, cmap=plt.cm.Blues, normalize=normalize) disp.ax_.set_title(title) print(title) print(disp.confusion_matrix) plt.show()

1234567891011121314151617181920212223242526

结果如下图，可见都是整整齐齐地排在对角线上，结论和之前的accuracy_score一样，SVM准确度要比KNN高
在这里插入图片描述