首页 > 代码库 > 从零开始机器学习 第1篇 一个感知机的实现
从零开始机器学习 第1篇 一个感知机的实现
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
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：
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
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。