SVM支持向量机分类鸢尾花数据集iris及代码，数据集有Excel、data、txt文件格式，代码有data、txt格式演示

本博客运行环境为Jupyter Notebook、Python3。使用的数据集是鸢尾花数据集。 目录线性判别分析代码实现缺少一组数据的问题已解决！代码已更新！ 线性判别分析 线性判别分析(Linear Discriminant Analysis,简称LDA)是一种经典的线性学习方法，在二分类问题.上因为最早由[Fisher, 1936]提出,亦称“Fisher判别分析”。 LDA的基本思想:给定训练样例集,设法将样例投影到一条直线上,使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离;在对新样本进行分类时,将其投影到同样的这条直线上，再根据投影点的位置来确定新样本的类别。 下图是LD

机器学习：决策树算法实验数据集，用于聚类和决策树分类。针对鸢尾花数据集的特征，包含sepal_length、sepal_width、petal_length和petal_width四个维度特征，一共有150条数据记录，划分为0，1，2三个种类。

鸢尾花数据集iris，机器学习可以用的到的 鸢尾花数据集iris，机器学习可以用的到的

鸢尾花数据集。 总共包含150行数据，每一行数据由 4 个特征值及一个目标值组成。 4 个特征值分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度。 目标值为三种不同类别的鸢尾花，分别为： Iris Setosa、Iris Versicolour、Iris Virginica

标准数据集，做分类和聚类用的比较多，适合机器学习和数据挖掘课程使用

鸢尾花(Iris)数据集是一个著名的统计学资料，被机器学习研究人员大量使用。它包含了150组实例，4种生物特征和每组实例对应的鸢尾花种类（setosa,versicolor,virginica）。