鸢尾花数据可视化及分类

鸢尾花数据集是一个经典的分类问题数据集，包含了三个不同品种的鸢尾花的花萼长度、花萼宽度、花瓣长度、花瓣宽度等四个特征，共150个样本。下面我将介绍如何对鸢尾花数据进行可视化和分类。

1. 数据可视化

使用Python中的matplotlib和seaborn库对鸢尾花数据进行可视化。代码如下：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

iris = sns.load_dataset('iris')
sns.pairplot(iris, hue='species', height=2.5)
plt.show()

运行结果如下图所示：


从图中可以看出，不同品种的鸢尾花在四个特征上有明显差异，可以用这些特征来对鸢尾花进行分类。

2. 数据分类

使用Python中的scikit-learn库对鸢尾花数据进行分类。代码如下：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

y_pred = knn.predict(X_test)
print('Accuracy:', accuracy_score(y_test, y_pred))

运行结果如下所示：

Accuracy: 1.0

使用KNN算法对鸢尾花数据进行分类，得到了100%的分类准确率。说明这四个特征对于鸢尾花分类是非常有效的。

以上就是对鸢尾花数据集进行可视化和分类的简单介绍，希望对你有所帮助。