自组织图 在Python上的IRIS数据集上实现基本SOM聚类。 SOM教程： : 数据集来源： ： 聚类结果的可视化： Red = Iris-Setosa Green = Iris-Virginica Blue = Iris-Versicolor 以上视觉表示的详细信息： 可以说每个像素代表SOM的一个节点。 如果像素颜色鲜艳，则意味着该颜色表示的许多类别的图案都会激活该像素，即，该像素是同一类别的许多图案的最佳匹配单位。 相反也是如此。 也就是说，深色像素是该颜色所代表的类别的少数几种模式的最佳匹配单位。 如果颜色是两种颜色的混合（例如“蓝绿色”），则像素代表“灰色区域”，即该像素是不同类别图案的最佳匹配单位。 对于任何输入模式，黑色像素都不是最匹配的像素。

语言:English 科廷智能远程监护系统 科廷智能远程教学系统（IRIS @ Curtin）可以阻止并检测在线考试和考试中的学术不诚实行为。

iris4Java 用于学习目的的 iris 数据集的 Java 代码 您可以在此处找到有关如何在 Java 中使用 WEKA 库 (weka.jar) 的基本示例。 该代码使用决策树算法（WEKA 中的 C4.5-->J48）对 iris 数据集的实例进行分类。 已经生成了一个模型，称为“othertree(J48_cv).model”，可以使用 WEKA 轻松生成。 “IrisDriver.java”提供了一个简单的接口来导入模型和测试集“iris-test.arff”。 应用程序将分类结果写入名为“output_file.txt”的文件。 “Iris.java”使用模型并对“iris-test.arff”提供的新实例进行分类。 您还可以找到两个 JUnit 文件：“IrisTest.java”和“IrisTest2.java”。 最后，如果您可以使用 J48 之外的其他技术使用

鸢尾花(iris)数据集 csv+txt两个版本。Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。

鸢尾属植物数据集 .\iris.data ，在这个数据集中，包括了三类不同的鸢尾属植物： Iris Setosa，Iris Versicolour，Iris Virginica。每类收集了50个样本，因此这个数据集一共包含了 150个样本。

计算用于虹膜识别的 Dual-Hahn 矩。

Iris Plants Database ==================== Notes ----- Data Set Characteristics: :Number of Instances: 150 (50 in each of three classes) :Number of Attributes: 4 numeric, predictive attributes and the class :Attribute Information: - sepal length in cm - sepal width in cm - petal length in cm - petal width in cm - class: - Iris-Setosa - Iris-Versicolour - Iris-Virginica :Summary Statistics: ============== ==== ==== ======= ===== ==================== Min Max Mean SD Class Correlation ============== ==== ==== ======= ===== ==================== sepal length: 4.3 7.9 5.84 0.83 0.7826 sepal width: 2.0 4.4 3.05 0.43 -0.4194 petal length: 1.0 6.9 3.76 1.76 0.9490 (high!) petal width: 0.1 2.5 1.20 0.76 0.9565 (high!) ============== ==== ==== ======= ===== ==================== :Missing Attribute Values: None :Class Distribution: 33.3% for each of 3 classes. :Creator: R.A. Fisher :Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov) :Date: July, 1988

含4个文件，csv有标签和无标签，text有标签和无标签。 Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。

matlab 花代码分类-IRIS- 使用 10 折交叉验证报告 IRIS 数据集的分类结果。 从准确率结果可以看出，在 150 个示例中，有些花被误分类了。 代码在matlab上实现。