机器学习第二次作业

机器学习第二次作业

1.Iris数据集已与常见的机器学习工具集成，请查阅资料找出MATLAB平台或Python平台加载内置Iris数据集方法，并简要描述该数据集结构。

from sklearn import datasets
iris = datasets.load_iris()

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。

---

2.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。

from sklearn import datasets
import matplotlib
import matplotlib.pyplot as plt
import pandas
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei'] #显示中文

iris = datasets.load_iris()
#print(iris.data) # 数据集中的数据
#print(iris.target) #  iris的种类
#print(iris.target_names)

x=iris.data[:,2]
y=iris.data[:,1]

x_min, x_max = x.min() - 0.5, x.max() + 0.5
y_min, y_max = y.min() - 0.5, x.max() + 0.5

# Scatterplot
plt.figure()
plt.title('鸢尾花花瓣的长度和宽度')
plt.scatter(x, y, c=iris.target)
plt.xlabel('花瓣的长度(cm)')
plt.ylabel('花瓣的宽度(cm)')
#c指定点的颜色，当c赋值为数值时，会根据值的不同自动着色

plt.xlim(x_min, x_max)
plt.ylim(y_min, y_max)
plt.xticks()
plt.yticks()
plt.show()

对于三个种类，任选两个进行绘图，共6张图：

---

3.去除Iris数据集中线性不可分的类中最后一个，余下的两个线性可分的类构成的数据集命令为Iris_linear，请使用留出法将Iris_linear数据集按7:3分为训练集与测试集，并使用训练集训练一个MED分类器，在测试集上测试训练好的分类器的性能，给出《模式识别与机器学习-评估方法与性能指标》中所有量化指标并可视化分类结果。

---

4.将Iris数据集白化，可视化白化结果并于原始可视化结果比较，讨论白化的作用。

---

5.去除Iris数据集中线性可分的类，余下的两个线性不可分的类构成的数据集命令为Iris_nonlinear，请使用留出法将Iris_nonlinear数据集按7:3分为训练集与测试集，并使用训练集训练一个MED分类器，在测试集上测试训练好的分类器的性能，给出《模式识别与机器学习-评估方法与性能指标》中所有量化指标并可视化分类结果。讨论本题结果与3题结果的差异。

---

6.请使用5折交叉验证为Iris数据集训练一个多分类的贝叶斯分类器。给出平均Accuracy，并可视化实验结果。与第3题和第5题结果做比较，讨论贝叶斯分类器的优劣。