1. 数据集的获取。
使用SCIKIT-LEARN自带的数据读取函数load_wine(),获取原始葡萄酒数据集。
2. 获取数据集内,样本数目、类别数目,各类样本数目
3. 样本集基本信息获取:
(1)获取并输出该数据集的类别信息(含:类别数目,类别名称);
(2)获取数据集的特征数目、特征名称;样本数目、各类别样本数目。
4.样本集的描述统计,获取并输出显示样本集内每个特征的描述性统计指标
包括:均值、标准差、最小值、最大值、第1四分位、第2四分位、第3四分位。
5. 认识每一种特征的分布情况
(1)估计每个特征分布的斜度
(2)以单变量直方图形式可视化样本集关于每个特征取值的分布情况
(3)以单变量密度曲线方式可视化每个特征的分布
6. 了解任意一对特征之间的线性相关程度:
(1)估计任意一对特征之间的相关系数,得到相关系数矩阵,并进行可视化;
(2)绘制散点矩阵,借助散点矩阵,理解两特征之间的线性相关性
7. 基于箱式图的各特征取值分布的可视化,理解各特征关于不同类别样本的类鉴别特性:针对每个特征,基于原始样本集及其类别信息,在相同的图形窗口,绘制箱型图
1