Iris数据集概况

---

Iris Data Set（鸢尾属植物数据集）是我现在接触到的历史最悠久的数据集，它首次出现在著名的英国统计学家和生物学家Ronald Fisher 1936年的论文《The use of multiple measurements in taxonomic problems》中，被用来介绍线性判别式分析。在这个数据集中，包括了三类不同的鸢尾属植物：Iris Setosa，Iris Versicolour，Iris Virginica。每类收集了50个样本，因此这个数据集一共包含了150个样本。

特征

---

该数据集测量了所有150个样本的4个特征，分别是：

1. sepal length（花萼长度） features[0]
2. sepal width（花萼宽度）  features[1]
3. petal length（花瓣长度）  features[2]
4. petal width（花瓣宽度）   features[3]

以上四个特征的单位都是厘米（cm）。

通常使用mm表示样本量的大小，nn表示每个样本所具有的特征数。因此在该数据集中，m=150,n=4

数据集的获取

---

该数据集被广泛用于分类算法的示例中，很多机器学习相关的数据都对这个数据集进行了介绍，因此可以获得的途径应该也会很多。

下面是该数据集存放的原始位置，该位置好像已经无法下载了，但是收集了使用该数据集的论文列表可供参考：

https://archive.ics.uci.edu/ml/datasets/Iris/

另一个比较方便的获取方式是，直接利用Python中的机器学习包scikit-learn直接导入该数据集，可参考Iris Plants Database，下面是具体的操作：

from sklearn.datasets import load_iris
data = load_iris()
print(dir(data))  # 查看data所具有的属性或方法
print(data.DESCR)  # 查看数据集的简介


import pandas as pd
#直接读到pandas的数据框中
pd.DataFrame(data=data.data, columns=data.feature_names)

下面是第3行和第4行的输出：

['DESCR', 'data', 'feature_names', 'target', 'target_names']

Iris Plants Database
====================

Notes
-----
Data Set Characteristics:
    :Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:
        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm
        - class:
                - Iris-Setosa
                - Iris-Versicolour
                - Iris-Virginica
    :Summary Statistics:

    ============== ==== ==== ======= ===== ====================
                    Min  Max   Mean    SD   Class Correlation
    ============== ==== ==== ======= ===== ====================
    sepal length:   4.3  7.9   5.84   0.83    0.7826
    sepal width:    2.0  4.4   3.05   0.43   -0.4194
    petal length:   1.0  6.9   3.76   1.76    0.9490  (high!)
    petal width:    0.1  2.5   1.20  0.76     0.9565  (high!)
    ============== ==== ==== ======= ===== ====================

    :Missing Attribute Values: None
    :Class Distribution: 33.3% for each of 3 classes.
    :Creator: R.A. Fisher
    :Donor: Michael Marshall (MARSHALL%[email protected])
    :Date: July, 1988

This is a copy of UCI ML iris datasets.
http://archive.ics.uci.edu/ml/datasets/Iris

The famous Iris database, first used by Sir R.A Fisher

This is perhaps the best known database to be found in the
pattern recognition literature.  Fisher's paper is a classic in the field and
is referenced frequently to this day.  (See Duda & Hart, for example.)  The
data set contains 3 classes of 50 instances each, where each class refers to a
type of iris plant.  One class is linearly separable from the other 2; the
latter are NOT linearly separable from each other.

References
----------
...

数据的可视化展示

---

将数据用图像的形式展示出来，可以对该数据集有一个直观的整体印象。下面利用该数据集4个特征中的后两个，即花瓣的长度和宽度，来展示所有的样本点。

import matplotlib.pyplot as plt
plt.style.use('ggplot')


X = data.data  # 只包括样本的特征，150x4
y = data.target  # 样本的类型，[0, 1, 2]
features = data.feature_names  # 4个特征的名称
targets = data.target_names  # 3类鸢尾花的名称，跟y中的3个数字对应

plt.figure(figsize=(10, 4))
plt.plot(X[:, 2][y==0], X[:, 3][y==0], 'bs', label=targets[0])
plt.plot(X[:, 2][y==1], X[:, 3][y==1], 'kx', label=targets[1])
plt.plot(X[:, 2][y==2], X[:, 3][y==2], 'ro', label=targets[2])
plt.xlabel(features[2])
plt.ylabel(features[3])
plt.title('Iris Data Set')
plt.legend()
plt.savefig('Iris Data Set.png', dpi=200)
plt.show()

利用上面的代码画出来的图如下：

Reference

---

https://en.wikipedia.org/wiki/Iris_flower_data_set

https://archive.ics.uci.edu/ml/datasets/Iris/

https://matplotlib.org/users/style_sheets.html

http://scikit-learn.org/stable/datasets/index.html#iris-plants-database

                                                                              ---------本文转自https://www.cnblogs.com/Belter/p/8831216.html