如何用Python机器学习实战：鸢尾花数据集分类完整指南

【免费下载链接】python-machine-learning-book The "Python Machine Learning (1st edition)" book code repository and info resource 项目地址: https://gitcode.com/gh_mirrors/py/python-machine-learning-book

鸢尾花数据集是机器学习入门的经典案例，通过这个项目你将掌握数据加载、可视化分析、模型训练和评估的完整流程。本指南基于GitHub加速计划中的python-machine-learning-book项目，提供简单易懂的实战教程，帮助新手快速入门机器学习。

准备工作：获取项目代码

首先需要克隆项目仓库到本地：

git clone https://gitcode.com/gh_mirrors/py/python-machine-learning-book

项目中与鸢尾花分类相关的代码主要集中在以下路径：

• 主案例代码：code/ch03/ch03.ipynb
• 数据集文件：code/datasets/iris/iris.data
• 辅助案例：code/bonus/svm_iris_pipeline_and_gridsearch.ipynb

数据集介绍：认识鸢尾花数据

鸢尾花数据集包含3种不同品种的鸢尾花（山鸢尾、变色鸢尾和维吉尼亚鸢尾）的测量数据，每个样本有4个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度。

图1：鸢尾花数据集的特征分布可视化，展示了不同品种鸢尾花的特征差异

完整实现步骤

1. 加载和探索数据

使用Python加载鸢尾花数据集并进行初步探索：

from sklearn.datasets import load_iris
import pandas as pd

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 转换为DataFrame便于查看
df = pd.DataFrame(X, columns=iris.feature_names)
df['species'] = [iris.target_names[i] for i in y]
print(df.head())

2. 数据可视化分析

通过可视化了解数据特征之间的关系：

图2：鸢尾花数据集的散点图矩阵，展示了不同特征组合下的样本分布

3. 模型训练与评估

使用支持向量机(SVM)算法训练分类模型：

from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

# 训练SVM模型
model = SVC(kernel='rbf', random_state=1, gamma=0.2, C=1.0)
model.fit(X_train, y_train)

# 预测与评估
y_pred = model.predict(X_test)
print(f"模型准确率: {accuracy_score(y_test, y_pred):.2f}")

图3：支持向量机模型在鸢尾花数据集上的分类决策边界

4. 模型优化与调参

通过网格搜索优化模型参数：

from sklearn.model_selection import GridSearchCV

param_grid = {'C': [0.1, 1, 10], 'gamma': [0.001, 0.01, 0.1]}
grid = GridSearchCV(SVC(), param_grid, cv=5)
grid.fit(X_train, y_train)

print(f"最佳参数: {grid.best_params_}")
print(f"最佳交叉验证准确率: {grid.best_score_:.2f}")

实战技巧与注意事项

1. 特征选择：并非所有特征都对分类有同等重要性，可以通过code/ch04/ch04.ipynb中的特征选择方法优化输入特征。

2. 数据预处理：在训练模型前，建议对数据进行标准化处理：

   from sklearn.preprocessing import StandardScaler
   scaler = StandardScaler()
   X_train_scaled = scaler.fit_transform(X_train)
   

3. 模型比较：可以尝试比较不同算法的性能，如逻辑回归、决策树等，项目中code/bonus/nested_cross_validation.ipynb提供了交叉验证比较方法。

图4：不同分类算法在鸢尾花数据集上的决策边界比较

总结与扩展

通过鸢尾花分类案例，你已经掌握了机器学习的基本流程。这个项目还提供了更多高级内容：

• 神经网络实现：code/ch12/ch12.ipynb
• 模型保存与加载：code/bonus/scikit-model-to-json.ipynb
• 管道与网格搜索：code/bonus/svm_iris_pipeline_and_gridsearch.ipynb

希望这个实战指南能帮助你快速入门机器学习，探索更多有趣的项目内容！

【免费下载链接】python-machine-learning-book The "Python Machine Learning (1st edition)" book code repository and info resource 项目地址: https://gitcode.com/gh_mirrors/py/python-machine-learning-book