用Jupyternotebook完成Iris数据集的Fisher线性分类，并学习数据可视化技术_划分数据集jupyter代码

107 浏览量更新于2023-03-16 评论 1 收藏 103KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

用用Jupyter notebook完成完成Iris数据集的数据集的 Fisher线性分类，并学习数据可视化技线性分类，并学习数据可视化技

术术

这里写自定义目录标题这里写自定义目录标题一、关于Fisher算法的主要思想与数学计算步骤已在上次博客中有讲到。二、用scikit-learn库中也有LDA的函数，下面给出测试代码三、

完成Iris数据集的 Fisher线性分类，及实现可视化

一、关于一、关于Fisher算法的主要思想与数学计算步骤已在上次博客中有讲到。算法的主要思想与数学计算步骤已在上次博客中有讲到。

若不会清楚，请访问次链接

二、用二、用scikit-learn库中也有库中也有LDA的函数，下面给出测试代码的函数，下面给出测试代码

from sklearn import datasets, cross_validation,discriminant_analysis

###############################################################################

#用莺尾花数据集

def load_data():

iris=datasets.load_iris()

return cross_validation.train_test_split(iris.data,iris.target,test_size=0.25,random_state=0,stratify=iris.target)

#返回为: 一个元组，依次为：训练样本集、测试样本集、训练样本的标记、测试样本的标记

###############################################################################

def test_LinearDiscriminantAnalysis(*data):

x_train,x_test,y_train,y_test=data

lda=discriminant_analysis.LinearDiscriminantAnalysis()

lda.fit(x_train,y_train)

print('Coefficients:%s, intercept %s'%(lda.coef_,lda.intercept_))#输出权重向量和b

print('Score: %.2f' % lda.score(x_test, y_test))#测试集

print('Score: %.2f' % lda.score(x_train, y_train))#训练集

###############################################################################

x_train,x_test,y_train,y_test=load_data()

test_LinearDiscriminantAnalysis(x_train,x_test,y_train,y_test)

运行结果：

对比结果发现：原本的鸢尾花的测试集的预测准确度为100%，但经过分类器训练后，变成了97%也就是我们所说的训练集。

三、完成三、完成Iris数据集的数据集的 Fisher线性分类，及实现可视化线性分类，及实现可视化

Fisher的种映射关系还有一种作用就是作为降维技术，称为监督降维技术（因为是有训练数据的，所以称为监督）

from sklearn import datasets, cross_validation,discriminant_analysis

###############################################################################

#用莺尾花数据集

def load_data():

iris=datasets.load_iris()

return cross_validation.train_test_split(iris.data,iris.target,test_size=0.25,random_state=0,stratify=iris.target)

#返回为: 一个元组，依次为：训练样本集、测试样本集、训练样本的标记、测试样本的标记

###############################################################################

def plot_LDA(converted_X,y):

'''

绘制经过 LDA 转换后的数据

:param converted_X: 经过 LDA转换后的样本集

:param y: 样本集的标记

:return: None

'''

from mpl_toolkits.mplot3d import Axes3D

import matplotlib.pyplot as plt

fig=plt.figure()

ax=Axes3D(fig)

colors='rgb'

markers='o*s'

for target,color,marker in zip([0,1,2],colors,markers):

pos=(y==target).ravel()

X=converted_X[pos,:] ax.scatter(X[:,0], X[:,1], X[:,2],color=color,marker=marker,

label="Label %d"%target)

ax.legend(loc="best")

fig.suptitle("Iris After LDA")

plt.show()

###############################################################################

import numpy as np

x_train,x_test,y_train,y_test=load_data()

X=np.vstack((x_train,x_test))#沿着竖直方向将矩阵堆叠起来，把训练与测试的数据放一起来看

Y=np.vstack((y_train.reshape(y_train.size,1),y_test.reshape(y_test.size,1)))#沿着竖直方向将矩阵堆叠起来

lda = discriminant_analysis.LinearDiscriminantAnalysis()

lda.fit(X, Y)

converted_X=np.dot(X,np.transpose(lda.coef_))+lda.intercept_

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38516956

粉丝: 6
资源: 973

会员权益专享

用Jupyter notebook完成Iris数据集的 Fisher线性分类，并学习数据可视化技术

评论0

会员权益专享

最新资源

用Jupyter notebook完成Iris数据集的 Fisher线性分类，并学习数据可视化技术

评论0

Iris_DataSet.csv 鸢尾花数据集 约150条数据，每条样本4个属性，共3个类别

kmeans实现iris数据集分类

手写数字识别（Jupyter Notebook文件）

包括学习python数据可视化，jupyter notebook处理数据和画图

用jupyter notebook红酒数据集分析

jupyter notebook 数据可视化

jupyter notebook怎么导入数据集

如何在Jupyter Notebook中导入数据集？

jupyter notebook 数据集路径

jupyter notebook数据可视化

Jupyter notebook学习文档

jupyternotebook数据安全

jupyter notebook 乳腺癌数据集关联规则

可以使用jupyter notebook处理数据集吗？怎么将数据集导入到jupyter notebook中并加以处理

使用jupyternotebook进行数据分析

jupyter notebook下载mnist数据集

jupyter notebook当当图书数据分析案例

怎么使用jupyter notebook

jupyter notebook使用方法

jupyter notebook路径可视

会员权益专享

最新资源

Iris_DataSet.csv 鸢尾花数据集约150条数据，每条样本4个属性，共3个类别