这是一个鸢尾花的特征（sepal_length:花萼长度；sepal_width:花萼宽度；petal_length:花瓣长度；petal_width:花瓣宽度）和标签（setosa(山鸢尾)；versicolor(杂色鸢尾)；virginica(弗吉尼亚鸢尾)）数据

这是我进行KNN分类时所用的资源，训练集为105个数据，测试集为45个数据；前4列为特征，第5列为类别，"setosa"视为1，"versicolor"视为2，"virginica"视为3；测试集顺序略有调整。资源免费。

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。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。

利用PCA对鸢尾花数据集进行降维测试-附件资源

基于鸢尾花数据集实现线性判别式多分类 本文在自己编写梯度下降的逻辑斯蒂判别式算法的基础上，对鸢尾花数据集实现多分类。 鸢尾花数据集公包含三类数据，每条数据四个特征，从中随机选取70%的数据作为训练集，30%的数据作为测试集。 主要包含三个函数：随机生成70%测试集函数、训练函数、预测函数 随机生成70%测试集函数 randomdata 输入：无 输出：0-49之间的35个随机数 代码： def randomdata(): array = set() while(len(array) < 50*0.7): n = random.randint(0,49)

上一次，写了MGD、SGD、MBGD的代码实现，现在，我们来康康实例 我们以大名鼎鼎的鸢尾花数据集为例: https://archive.ics.uci.edu/ml/machine-learning-databases/iris/ 下载这个iris.data即可 将其置于当前工作文件夹即可 先导入需要的库: import numpy as np import pandas as pd import random 然后将我们上一次写的函数copy过来: def MGD_train(X, y, alpha=0.0001, maxIter=1000, theta_old=None):

数据挖掘:：实验一 WEKA分类 数据已经经过处理 具体实验过程请参考博客：https://bamboo.blog.csdn.net/article/details/105992100

【python机器学习】逻辑回归算法实现（基于鸢尾花数据集）-附件资源

鸢尾花数据集，一般用做pca

复现鸢尾花数据集可视化分析