สารบัญ:
เมื่อคุณเรียนภาษาเขียนโปรแกรมใหม่เป็นเรื่องปกติที่จะเขียนโปรแกรม "สวัสดีชาวโลก" สำหรับการเรียนรู้ด้วยเครื่องและการวิเคราะห์เชิงทำนายการสร้างแบบจำลองเพื่อจัดกลุ่มชุดข้อมูล Iris เป็นโปรแกรมที่เทียบเท่ากัน "hello world" นี่เป็นเพียงตัวอย่างง่ายๆ แต่มีประสิทธิภาพในการสอนพื้นฐานของการเรียนรู้ด้วยเครื่องและการวิเคราะห์เชิงคาดการณ์
วิธีการรับชุดข้อมูลตัวอย่าง
ในการสร้างรูปแบบการทำนายของเราคุณจะต้องดาวน์โหลดตัวอย่างชุดไอริส ชุดข้อมูลนี้สามารถใช้ได้อย่างอิสระจากหลายแหล่งโดยเฉพาะในสถาบันการศึกษาที่มีแผนกการเรียนรู้ด้วยเครื่อง โชคดีที่คนที่ได้ดีพอที่จะรวมชุดข้อมูลตัวอย่างบางส่วนและฟังก์ชั่นการโหลดข้อมูลพร้อมกับแพกเกจของพวกเขา เพื่อให้เป็นไปตามวัตถุประสงค์ของตัวอย่างเหล่านี้คุณจะต้องเรียกใช้โค้ดสองบรรทัดเพื่อโหลดข้อมูล
วิธีการติดป้ายกำกับข้อมูลของคุณ
ต่อไปนี้คือข้อสังเกตและคุณลักษณะต่างๆจากแต่ละชุดของชุดข้อมูลดอกไม้ Iris Flower
| Sepal ความยาว | Sepal Width | ความยาวของ Petal | ความกว้างของกลีบ | Target Class / Label |
|---|---|---|---|---|
| 5. 1 | 3 5 | 1 4 | 0 2 | Setosa (0) |
| 7 0 | 3 2 | 4 7 | 1 4 | Versicolor (1) |
| 6. 3 | 3 3 | 6 0 | 2 5 | Virginica (2) |
Setosa สามารถแยกออกจากอีกสองชั้นโดยการวาดเส้นตรงบนกราฟระหว่างกัน คลาส Virginica
และVersicolor ไม่สามารถแยกออกจากกันได้อย่างสมบูรณ์โดยใช้เส้นตรง - แม้ว่าจะใกล้เคียง ซึ่งทำให้เป็นชุดข้อมูลผู้สมัครที่สมบูรณ์แบบสำหรับการวิเคราะห์การจำแนกประเภท แต่ไม่เหมาะสำหรับการวิเคราะห์กลุ่ม ข้อมูลตัวอย่างถูกระบุไว้แล้ว คอลัมน์ด้านขวา (Label) ด้านบนแสดงชื่อของแต่ละชั้นของดอกไม้ Irisชื่อคลาสเรียกว่า label หรือ target; โดยทั่วไปจะกำหนดให้กับตัวแปรชื่อ
y เป็นผลหรือผลลัพธ์ของสิ่งที่คาดการณ์ไว้ ในสถิติและโมเดลมักเรียกว่า ตัวแปรตาม ขึ้นอยู่กับปัจจัยการผลิตที่ตรงกับความยาวและความยาวของปล้องและความยาวและความกว้างของกลีบ คุณอาจต้องการทราบว่าชุดข้อมูล Iris ที่เตรียมไว้ล่วงหน้า scikit มีความแตกต่างกันอย่างไรเมื่อเทียบกับชุดข้อมูลเดิม หากต้องการทราบคุณต้องขอรับไฟล์ข้อมูลต้นฉบับ คุณสามารถค้นหา Google iris dataset
และดาวน์โหลดหรือดูจากสถาบันการศึกษาแห่งใดแห่งหนึ่ง ผลลัพธ์ที่มักเกิดขึ้นคือที่เก็บข้อมูลชุดข้อมูลเกี่ยวกับการเรียนรู้เกี่ยวกับเครื่องของ University of California Irvine (UCI) ชุดข้อมูล Iris ในสถานะเดิมจากพื้นที่เก็บข้อมูล UCI เครื่องเรียนรู้สามารถดูได้จากเว็บไซต์ UCI ถ้าคุณดาวน์โหลดคุณจะสามารถดูได้ด้วยโปรแกรมแก้ไขข้อความใด ๆ เมื่อดูข้อมูลในไฟล์คุณจะเห็นว่ามี 5 คอลัมน์ในแต่ละแถว สี่คอลัมน์แรกคือการวัด (เรียกว่า
คุณลักษณะ ) และคอลัมน์สุดท้ายเป็นป้ายกำกับ ป้ายกำกับนี้แตกต่างจากชุดข้อมูล Iris ดั้งเดิมและ scikit ความแตกต่างอีกอย่างหนึ่งคือแถวแรกของไฟล์ข้อมูล ประกอบด้วยแถวส่วนหัวที่ใช้โดยฟังก์ชันโหลดข้อมูล scikit ไม่มีผลต่ออัลกอริทึมตัวเอง
การปรับลักษณะให้เป็นตัวเลขแทนการเก็บข้อความเป็นข้อความช่วยให้อัลกอริทึมสามารถประมวลผลได้ง่ายขึ้นและหน่วยความจำมีประสิทธิภาพมากขึ้น โดยเฉพาะอย่างยิ่งถ้าคุณเรียกใช้ชุดข้อมูลขนาดใหญ่ที่มีคุณลักษณะมากมายซึ่งมักเป็นกรณีในสถานการณ์จริง
นี่คือตัวอย่างข้อมูลจากทั้งสองไฟล์ คอลัมน์ข้อมูลทั้งหมดเหมือนกันยกเว้น Col5 โปรดทราบว่า scikit มีชื่อคลาสด้วยป้ายตัวเลข ไฟล์ต้นฉบับมีป้ายข้อความ ที่มา Col1
Col2
col3
col4
| Col5 | scikit | 5 1 | 3 5 | 1 4 | 0 2 |
|---|---|---|---|---|---|
| 0 | เดิม | 5 1 | 3 5 | 1 4 | 0 2 |
| Iris-setosa | scikit | 7 0 | 3 2 | 4 7 | 1 4 |
| 1 | เดิม | 7 0 | 3 2 | 4 7 | 1 4 |
| Iris-versicolor | scikit | 6 3 | 3 3 | 6 0 | 2 5 |
| 2 | เดิม | 6 3 | 3 3 | 6 0 | 2 5 |
| Iris-เวอร์ |
