机器学习-处理鸢尾花数据集

• 一、数据处理
• • 1.1数据进行可视化
  • 1.2检查，清理数据
• 二、用scikit-learn来预测数据
• • 2.1选出特征（输入变量）和标记（输出变量）
  • 2.2划分训练集和数据集
  • 2.3利用决策树模型进行学习
  • 2.4结果

import numpy as np     # 用来做数学运算
import pandas as pd    # 用来处理数据表
import seaborn as sns   # 用来画高级统计图
              
import matplotlib.pyplot as plt  # 用来画图
 
from sklearn.model_selection import train_test_split     # 做交叉验证，划分训练集和测试集
from sklearn.tree import DecisionTreeClassifier           # 用决策树来分类
iris_data = pd.read_csv('iris.csv', na_values=['NA'])   # 从名为iris_data的csv文件读数据存成数据表
#第二个参数用来把 csv 里面空白处用 NaN 代替
iris_data.head(5).append(iris_data.tail())    # 展示数据表前5个和后5个数据
#print(iris_data.dropna())
iris_data.describe()

#检查四列数据的个数，平均数，标准差，最小值，最大值和25，50，75的百分位数
sns.pairplot(iris_data.dropna(),hue="class")    # 画散点矩阵图

处理异常值，观察数据，可以看到有个别数据突出

# 去掉 Iris-setosa 里萼片宽度大于2.5厘米的数据，然后画出其条形图
iris_data = iris_data.loc[(iris_data['class'] != 'setosa') | (iris_data['sepal_width_cm'] >= 2.5)]

# 读数据
iris_data_clean = pd.read_csv('iris-data-clean.csv')
 
# 选出特征
all_inputs = iris_data_clean[['sepal_length_cm', 'sepal_width_cm',
                             'petal_length_cm', 'petal_width_cm']].values
 
# 选出标记
all_classes = iris_data_clean['class'].values

#划分数据集和测试集
(training_inputs, test_inputs, training_classes, test_classes) = train_test_split(all_inputs, all_classes, train_size=0.75, random_state=1)

# 创建决策树分类器
decision_tree_classifier = DecisionTreeClassifier() 
# 训练数据
decision_tree_classifier.fit(training_inputs, training_classes)
# 分类精度
print(decision_tree_classifier.score(test_inputs, test_classes))
plt.show()