内含 《机器学习》上机实践-Iris数据集实验要求，报告，python代码 2020年期末考试历年卷 （实验要求包括查阅资料找出MATLAB平台或Python平台加载内置Iris数据集方法、Iris数据集中有一个种类与另外两个类是线性可分的，其余两个类是线性不可分的。请你通过数据可视化的方法找出该线性可分类并给出判断依据等）

特征值的类别数：即花萼长度、花萼宽度、花瓣长度、花瓣宽度。 三种鸢尾花名：setosa、versicolor、virginica。 150组数据集（数据集来源于网络）

莺尾花数据集包含(csv、txt格式，45K)、牛津花卉数据集（17类，图像格式，60M）、花卉数据集(5类，图像格式，232M) PS（资源有些是网上下载的，有些是CSDN下载的，如果知道出处可以把链接放在评论区，数据集打包方便大家学习，如果有什么问题可以联系我）

经过数据再组合后的鸢尾花数据集，使得其更加适合划分为训练集与测试集。

Iris 鸢尾花数据集是一个经典数据集，在机器学习领域都经常被用作示例。

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。

Attribute Information: 1. sepal length in cm 2. sepal width in cm 3. petal length in cm 4. petal width in cm 5. class: -- Iris Setosa -- Iris Versicolour -- Iris Virginica

这是鸢尾花数据集

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