python导入鸢尾花数据集(python鸢尾花数据集分析)
Python+libsvm-2（实例-使用libsvm对鸢尾花进行分类）
这里使用的是lab课上老师提供的数据集
但是不符合libsvm中要求的数据格式，所以需要将原始数据转换成libsvm中要求的。
复制Excel表格中的数据到一个新的txt文件中
我这里把原来的数据集分成了两个，一个用作train 一个用作test
3、鸢尾花数据集
鸢尾花数据集是机器学习和统计学中的一个经典数据集，数据包含每朵鸢尾花花瓣的长度和宽度、花萼的长度和宽度（data），以及每朵花对应的种类（target），还有对数据的一些说明（DESCR）、种类名（target_names）、特征名（feature_names）。
我们利用这个数据建立一个最简单的机器学习模型-k近邻算法。
输出
load_iris返回的对象是一个Bunch对象，与字典非常相似，里面包含键和值。其中DESCR键对应的值是数据集的简要说明，target即Y值，target_names即花的种类，feature_names即特征名，data即X值。
可以看到记录了150条数据，有4个特征，花瓣的长度、花瓣的宽度、花萼的长度、花萼的宽度。
模型精度约为97%。
十分钟上手sklearn 安装，获取数据，数据预处理
更多干货就在我的个人博客 欢迎关注！
sklearn是机器学习中一个常用的python第三方模块，对常用的机器学习算法进行了封装
其中包括：
1.分类（Classification）
2.回归（Regression）
3.聚类（Clustering）
4.数据降维（Dimensionality reduction）
5.常用模型（Model selection）
6.数据预处理（Preprocessing）
本文将从sklearn的安装开始讲解，由浅入深，逐步上手sklearn。
sklearn官网：
sklearn API：
sklearn的目前版本是0.19.1
依赖包：
Python (=2.6或=3.3)
NumPy(=1.6.1)
SciPy(=0.9)
使用pip安装，terminal直接执行即可
使用Anaconda安装，推荐Anaconda，因为里面已经内置了NumPy，SciPy等常用工具
安装完成后可以在python中检查一下版本，import sklearn不报错，则表示安装成功
机器学习算法往往需要大量的数据，在skleran中获取数据通常采用两种方式，一种是使用自带的数据集，另一种是创建数据集
sklearn自带了很多数据集，可以用来对算法进行测试分析，免去了自己再去找数据集的烦恼
其中包括：
鸢尾花数据集:load_iris()
手写数字数据集:load_digitals()
糖尿病数据集:load_diabetes()
乳腺癌数据集:load_breast_cancer()
波士顿房价数据集:load_boston()
体能训练数据集:load_linnerud()
这里以鸢尾花数据集为例导入数据集
使用skleran的样本生成器(samples generator)可以创建数据，sklearn.datasets.samples_generator中包含了大量创建样本数据的方法。
这里以分类问题创建样本数据
参数说明：
n_features :特征个数= n_informative（） + n_redundant + n_repeated
n_informative：多信息特征的个数
n_redundant：冗余信息，informative特征的随机线性组合
n_repeated ：重复信息，随机提取n_informative和n_redundant 特征
n_classes：分类类别
n_clusters_per_class ：某一个类别是由几个cluster构成的
random_state：随机种子，使得实验可重复
n_classes*n_clusters_per_class 要小于或等于 2^n_informative
打印结果：
机器学习的过程正往往需要对数据集进行划分，常分为训练集，测试集。sklearn中的model_selection为我们提供了划分数据集的方法。
以鸢尾花数据集为例进行划分
参数说明：
arrays：样本数组，包含特征向量和标签
test_size：
float-获得多大比重的测试样本 （默认：0.25）
int - 获得多少个测试样本
train_size: 同test_size
random_state:int - 随机种子（种子固定，实验可复现）
shuffle - 是否在分割之前对数据进行洗牌（默认True）
后面我们训练模型使用的数据集都基于此
我们为什么要进行数据预处理？
通常，真实生活中，我们获得的数据中往往存在很多的无用信息，甚至存在错误信息，而机器学习中有一句话叫做"Garbage in，Garbage out"，数据的健康程度对于算法结果的影响极大。数据预处理就是让那些冗余混乱的源数据变得能满足其应用要求。
当然，仅仅是数据预处理的方法就可以写好几千字的文章了，在这里只谈及几个基础的数据预处理的方法。
skleran中为我们提供了一个数据预处理的package：preprocessing，我们直接导入即可
下面的例子我们使用:[[1, -1, 2], [0, 2, -1], [0, 1, -2]]做为初始数据。
基于mean和std的标准化
打印结果:
规范化到一定区间内 feature_range为数据规范化的范围
打印结果:
首先求出样本的p-范数，然后该样本的所有元素都要除以该范数，这样最终使得每个样本的范数都为1
打印结果：
本文介绍了sklearn的安装，sklearn导入数据集，创建数据集的基本方法，对数据预处理的常用方法进行了介绍。
下一篇，将重点讲解如何使用sklearn进行特征提取，使用sklearn实现机器学习经典算法，模型的保存等内容。
python 和鸢尾花数据集
xrange(3)的作用可以简单理解为生成了一个数列：[0, 1, 2]
因此，变量t 的取值依次为0，1，2。
导入鸢尾花数据集OSError: Initializing from file failed
之前是这样导入鸢尾花数据集：data = pd.read_csv('D:\MNIST数据集\iris.data'）
出现这个问题：OSError: Initializing from file failed
可能是由于我的文件命名中有中文，发现调用pandas的read_csv()方法时，默认使用C engine作为parser engine，而当文件名中含有中文的时候，用C engine在部分情况下就会出错。所以在调用read_csv()方法时指定engine为Python就可以解决问题了。
解决办法：data = pd.read_csv('D:\MNIST数据集\iris.data', engine='python' )
参考文章：