鸢尾花数据集计算均值、中位数。标准差

鸢尾花数据集是一个常用的机器学习数据集，包含了150个样本，每个样本有4个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。这些特征被用来区分三个不同种类的鸢尾花：Setosa、Versicolor和Virginica。

要计算鸢尾花数据集的均值、中位数和标准差，可以按照以下步骤进行：

1. 均值（Mean）：计算每个特征的平均值，即将所有样本的某个特征值相加，然后除以样本数量。对于鸢尾花数据集的每个特征，可以分别计算其均值。

2. 中位数（Median）：将所有样本的某个特征值按照从小到大的顺序排列，然后找到中间位置的值。如果样本数量为奇数，则中位数就是中间位置的值；如果样本数量为偶数，则中位数是中间两个值的平均值。同样地，对于鸢尾花数据集的每个特征，可以分别计算其中位数。

3. 标准差（Standard Deviation）：标准差衡量了数据的离散程度。计算标准差需要先计算每个特征的均值，然后计算每个样本的该特征值与均值的差的平方，再将所有差的平方相加并除以样本数量，最后取平方根。对于鸢尾花数据集的每个特征，可以分别计算其标准差。

以下是鸢尾花数据集计算均值、中位数和标准差的结果：
- 花萼长度（Sepal Length）：
- 均值：5.8433
- 中位数：5.8
- 标准差：0.8281

- 花萼宽度（Sepal Width）：
- 均值：3.054
- 中位数：3.0
- 标准差：0.4336

- 花瓣长度（Petal Length）：
- 均值：3.7587
- 中位数：4.35
- 标准差：1.7644

- 花瓣宽度（Petal Width）：
- 均值：1.1987
- 中位数：1.3
- 标准差：0.7632