http://scikit-learn.org/stable/auto_examples/datasets/plot_iris_dataset.html
這個範例目的是介紹機器學習範例資料集中的iris 鳶尾花資料集
In [2]:
#這行是在ipython notebook的介面裏專用，如果在其他介面則可以拿掉
%matplotlib inline
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn import datasets
from sklearn.decomposition import PCA
# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2] # we only take the first two features.
Y = iris.target
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
plt.figure(2, figsize=(8, 6))
plt.clf()
# Plot the training points
plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=plt.cm.Paired)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.xlim(x_min, x_max)
plt.ylim(y_min, y_max)
plt.xticks(())
plt.yticks(())
Out[2]:
In [ ]:
for key,value in iris.items() :
try:
print (key,value.shape)
except:
print (key)
print(iris['feature_names'])
| 顯示 | 說明 |
|---|---|
| ('target_names', (3L,)) | 共有三種鳶尾花 setosa, versicolor, virginica |
| ('data', (150L, 4L)) | 有150筆資料，共四種特徵 |
| ('target', (150L,)) | 這150筆資料各是那一種鳶尾花 |
| DESCR | 資料之描述 |
| feature_names | 四個特徵代表的意義，分別為 萼片(sepal)之長與寬以及花瓣(petal)之長與寬 |
為了用視覺化方式呈現這個資料集，下面程式碼首先使用PCA演算法將資料維度降低至3
In [9]:
X_reduced = PCA(n_components=3).fit_transform(iris.data)
接下來將三個維度的資料立用mpl_toolkits.mplot3d.Axes3D 建立三維繪圖空間，並利用 scatter以三個特徵資料數值當成座標繪入空間，並以三種iris之數值 Y，來指定資料點的顏色。我們可以看出三種iris中，有一種明顯的可以與其他兩種區別，而另外兩種則無法明顯區別。
In [10]:
# To getter a better understanding of interaction of the dimensions
# plot the first three PCA dimensions
fig = plt.figure(1, figsize=(8, 6))
ax = Axes3D(fig, elev=-150, azim=110)
ax.scatter(X_reduced[:, 0], X_reduced[:, 1], X_reduced[:, 2], c=Y,
cmap=plt.cm.Paired)
ax.set_title("First three PCA directions")
ax.set_xlabel("1st eigenvector")
ax.w_xaxis.set_ticklabels([])
ax.set_ylabel("2nd eigenvector")
ax.w_yaxis.set_ticklabels([])
ax.set_zlabel("3rd eigenvector")
ax.w_zaxis.set_ticklabels([])
plt.show()
In [5]:
#接著我們嘗試將這個機器學習資料之描述檔顯示出來
print(iris['DESCR'])
這個描述檔說明了這個資料集是在 1936年時由Fisher建立，為圖形識別領域之重要經典範例。共例用四種特徵來分類三種鳶尾花