机器学习鸢尾花案例

数据集介绍

鸢尾花（Iris）数据集是机器学习领域的经典分类数据集，包含三类鸢尾花的测量数据：山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）。每类样本50条，共150条数据，每条数据包含4个特征：萼片长度（sepal length）、萼片宽度（sepal width）、花瓣长度（petal length）、花瓣宽度（petal width），目标变量为花的类别。

数据加载与探索

通过Python的scikit-learn库可直接加载数据集：

from sklearn.datasets import load_iris
import pandas as pdiris = load_iris()
data = pd.DataFrame(iris.data, columns=iris.feature_names)
data['target'] = iris.target
print(data.head())

关键操作：

• 检查数据分布（data.describe()）
• 可视化特征分布（如箱线图或散点矩阵）
• 观察类别是否均衡（三类样本数量均为50）

数据预处理

1. 划分训练集与测试集

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(data[iris.feature_names], data['target'], test_size=0.2, random_state=42
)

1. 特征标准化（可选）

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

模型训练与评估

方法1：逻辑回归

from sklearn.linear_model import LogisticRegression
model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)
print("Accuracy:", model.score(X_test, y_test))

方法2：决策树

from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier(max_depth=3)
model.fit(X_train, y_train)
print("Accuracy:", model.score(X_test, y_test))

方法3：支持向量机（SVM）

from sklearn.svm import SVC
model = SVC(kernel='linear')
model.fit(X_train, y_train)
print("Accuracy:", model.score(X_test, y_test))

可视化与解释

1. 决策树可视化

from sklearn.tree import plot_tree
import matplotlib.pyplot as plt
plt.figure(figsize=(12, 8))
plot_tree(model, feature_names=iris.feature_names, class_names=iris.target_names, filled=True)
plt.show()

1. 混淆矩阵

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
cm = confusion_matrix(y_test, model.predict(X_test))
ConfusionMatrixDisplay(cm, display_labels=iris.target_names).plot()
plt.show()

关键注意事项

• 模型选择：线性模型（如逻辑回归）适合线性可分数据，决策树适合捕捉非线性关系。
• 过拟合：通过调整参数（如决策树的max_depth）避免过拟合。
• 特征重要性：决策树可输出特征重要性，帮助理解哪些特征对分类贡献最大。

通过上述流程，可快速实现鸢尾花分类任务并验证模型性能。