鸢尾花分类，一个经典的机器学习教科书案例

内容摘要

鸢尾花分类是机器学习教科书的经典案例，数据集需要切分为训练和测试两份，前者用于构建算法模型，后者用于验证算法模型，原始数据经过标准化以后，采用分类算法进行训练，用准确率指标验证模型性能，借助图形化方式查看分类效果。

文章编号：AI-0007-V1.1

所属类别：人工智能

文章正文

鸢尾花分类已经成为机器学习教科书的经典案例，下面我们就一起看看机器学习是如何实现鸢尾花分类的。

分类方法有很多，最为简单的一种是线性分类法，线性分类法又分为可线性分和不可线性区分两种情况，如下图所示：

从上面可以看出，左图中用蓝色加号和红色圆圈代表的两类数据。用一条直线区分，属于可线性区分。

右图是红色圆圈的一类数据包围了用蓝色加号标识的另一类数据，很明显，两类数据不太可能用一条简单的直线区分出来，因为为不可线性区分。

中间图中蓝色加号和红色圆圈相互混杂交叉，一条直线也难以分开两类数据，同样属于不可线性区分。

机器学习分为有监督学习和无监督学习两大类型，而本文所说的有监督学习包括分类和回归两种类型，实现分类的步骤为：

1、选择特征并收集打标签的训练样本数据；

2、选择性能指标；

3、选择分类与优化算法；

4、评估模型性能；

5、算法优化。

鸢尾花分类属于有监督学习分类，实现过程如下：

1、提取并加载鸢尾花样本数据；

2、将样本数据集切分为训练数据集和测试数据集；

3、对训练数据集和测试数据集进行标准化处理；

4、对标准化后的训练数据集进行训练，以构造算法模型；

5、查看模型预测结果的准确度；

6、图形化显示模型预测结果。

可以采用Python、Scikit-learn等软件工具，实现鸢尾花分类结果的可视化，如下图所示：

从上图可以直观地看到鸢尾花分类的结果，红色方块0代表类别1、蓝色叉号1代表类别2、绿色圆圈2代表类别3，测试数据集中鸢尾花的类型用白色圆圈表示。