码迷,mamicode.com
首页 > 其他好文 > 详细

从零开始机器学习 第1篇 一个感知机的实现

时间:2017-01-09 23:33:54      阅读:75      评论:0      收藏:0      [点我收藏+]

标签:bsp   csv   ade   archive   machine   das   head   分类   src   

0. 训练数据集:Iris dataset (鸢尾花数据集),获取网址https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data

如下图所示,鸢尾花数据集中每行数据前四列为特征值分别是花瓣长/宽、花萼长/宽,鸢尾花分三类:Setosa,Versicolor,Virginica

   技术分享

 

 

 

可以用如下示例代码保存数据集并显示最后5行

1 import pandas as pd
2 df = pd.read_csv(https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data, header=None)
3 df.tail()

 

通过对数据集中的鸢尾花四个特征值,对数据集分类,确定属于哪一类的鸢尾花,这里选取前100个数据分析,示例代码如下:

 1 import matplotlib.pyplot as plt
 2 import numpy as np
 3 import pandas as pd
 4 
 5 df = pd.read_csv(https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data, header=None)
 6  7 
 8 # select setosa and versicolor
 9 y = df.iloc[0:100, 4].values
10 y = np.where(y == Iris-setosa, -1, 1)
11 
12 # extract sepal length and petal length
13 X = df.iloc[0:100, [0, 2]].values
14 
15 # plot data
16 plt.scatter(X[:50, 0], X[:50, 1],
17             color=red, marker=o, label=setosa)
18 plt.scatter(X[50:100, 0], X[50:100, 1],
19             color=blue, marker=x, label=versicolor)
20 
21 plt.xlabel(sepal length [cm])
22 plt.ylabel(petal length [cm])
23 plt.legend(loc=upper left)
24 
25 plt.tight_layout()
26 
27 plt.show()

输出结果如下:

技术分享

通过对四个特征中两个(花瓣长,花萼长)的统计,可以看到蓝色和红色有了明显的界限,实现了分类。

从零开始机器学习 第1篇 一个感知机的实现

标签:bsp   csv   ade   archive   machine   das   head   分类   src   

(0)
(0)
   
举报
评论 一句话评论(0
0条  
登录后才能评论!
© 2014 mamicode.com 版权所有 京ICP备13008772号-2
迷上了代码!