数据挖掘鸢尾花数据集jupyter

数据挖掘中的鸢尾花数据集（Iris dataset）是一个经典的机器学习示例，它包含了三种不同种类的鸢尾花（Setosa、Versicolour和Virginica）的测量特征，如花瓣长度、花瓣宽度、萼片长度和萼片宽度等。这个数据集最初由英国统计学家Ronald Fisher在1936年为了展示分类算法的效果而创建。

在Jupyter Notebook（原名IPython Notebook）中，可以很容易地加载和分析这个数据集。首先，你需要导入必要的库，如pandas用于数据处理，matplotlib或seaborn用于数据可视化，以及sklearn用于数据预处理和模型训练。你可以使用`load_iris()`函数从scikit-learn库中加载鸢尾花数据：

from sklearn.datasets import load_iris
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
iris = load_iris()
df_iris = pd.DataFrame(data= iris.data, columns= iris.feature_names)
df_iris['target'] = iris.target # 将类别标签添加到DataFrame

# 查看数据前几行
print(df_iris.head())

# 可视化数据
plt.figure(figsize=(8,6))
sns.pairplot(df_iris, hue="target")
plt.show()