鸢尾花（iris）数据集，txt格式，可以直接调用，大家按需自取

是一个生成IRIS数据集的软件，很好用，以后就可以自己生成IRIS文件了

鸢尾花数据集，包含训练集和测试集。其中训练集有120个样本，测试集有30个样本，每个样本有5个值，前四个为特征，最后一个是标签（花的品种）。0代表setosa，1代表versicolor，2代表virginica

基于鸢尾花卉数据集的Fisher分类器设计 数据集

该数据集可以供广大数据挖掘爱好者们下载使用 经本人整理后已经做成了文本格式，有matlab 直接使用

用数据可视化直观理解数据--iris数据集为例，python实现，seaborn pandas matplotlib

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。

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。