用matlab实现用Bp神经网络对iris数据集进行分类（以及影响分类性能的参数条件）这篇文章的数据集

框架：keras，语言：python，使用算法：k-means，需要安装一些安装包

这个是原始的wine和iris数据集，用于分类和聚类。

K-means Python实现+Iris数据集

此程序主要实现对数据的加载和处理，首先加载数据，本算法选择的数据集是鸢尾花数据集，加载的数据形式是元胞数组，本程序先把其转换成字符串数组，后对字符串数组进行处理，将数据部分和标签部分分隔开，数据部分转换成数组形式，标签部分则对应存储于字符串数组中。然后对数据创建决策树，结果存储于结构体中，后计算算法的准确率。最后将结构体数据转换成元胞数据，转换成treeplot系统函数能识别的数据形式，并绘制决策树。

UCI Iris数据集.zip

源自UCI的iris数据集，并进行了整理，按照Iris-setosa、Iris-versicolor、Iris-virginica属性分成三类，每一类有四个属性：花萼长、花萼宽、花瓣长、花瓣宽四个属性，每一类50个样本，一共150个样本。并按照OVO策略拆分成三组数据。

本数据集为鸢尾花数据集，供初学者入门项目练手使用。现在大多项目老师都会使用本数据集进行教学，因此是一个很好的学习资源，也是大家所需要的。

目录一、KNN算法Python实现1、导入包2、 画图，展示不同电影在图上的分布3、训练样本和待测样本准备4、计算待测样本点到每个训练样本点的距离5、查找离待测样本点最近的K个训练样本点的类型6、找出数量最多的类7、写成自定义函数二、鸢尾花（iris）数据集测试1、导入包2、导入数据，划分数据集3、调用写好的KNN函数，并计算查准率、查全率和混淆矩阵 KNN是机器学习十大算法之一，因为原理很好理解，有一句话：“Talk is cheap.Show me the code.” 所以用Python来实现一下吧，并在iris数据集上检验模型效果。 算法原理：看新样本与最接近的那个训练集样本属于哪一类

Matlab BP神经网络 iris数据集分类，参数可修改，适用于其他类别分类