Набор данных о цветках ириса или Набор данных Fisher's Iris - это многомерный набор данных, представленный британским статистиком, евгенистом и биологом. Рональд Фишер в своей статье 1936 г. Использование множественных измерений в таксономических задачах в качестве примера линейного дискриминантного анализа. Иногда его называют набором данных ириса Андерсона, потому что Эдгар Андерсон собрал данные для количественной оценки морфологической вариации цветков ириса трех родственных видов.. Два из трех видов были собраны на полуострове Гаспе «все с одного пастбища, собраны в один день и измерены в одно и то же время одним и тем же человеком с помощью одного и того же прибора». Статья Фишера была опубликована в журнале Annals of Eugenics, что вызвало споры о продолжающемся использовании набора данных Iris для обучения статистическим методам сегодня.
Набор данных состоит из 50 образцов каждого из трех видов ириса (Iris setosa, Iris virginica и Iris versicolor ). Для каждого образца измеряли четыре элемента : длину и ширину чашелистиков и лепестков в сантиметрах. Основываясь на комбинации этих четырех характеристик, Фишер разработал линейную дискриминантную модель, позволяющую отличать виды друг от друга.
На основе линейной дискриминантной модели Фишера этот набор данных стал типичным тестовым примером для многих методов статистической классификации в машинном обучении такие как машины поддержки векторов.
Использование этого набора данных в кластерном анализе, однако, не является обычным явлением, поскольку набор данных содержит только два кластера с довольно очевидным разделением. Один из кластеров содержит Iris setosa, а другой кластер содержит как Iris virginica, так и Iris versicolor, и его невозможно разделить без информации о видах, которую использовал Фишер. Это делает набор данных хорошим примером для объяснения разницы между контролируемыми и неконтролируемыми методами в интеллектуальном анализе данных : линейную дискриминантную модель Фишера можно получить, только если известны виды объектов: метки классов и кластеры не обязательно являются то же самое.
Тем не менее, все три вида Ириса отделимы в проекции на нелинейную и ветвящуюся главную составляющую. Набор данных аппроксимируется ближайшим деревом с некоторым штрафом за чрезмерное количество узлов, изгибов и растяжений. Затем строится так называемая «карта метро». Точки данных проецируются на ближайший узел. Для каждого узла составляется круговая диаграмма прогнозируемых точек. Площадь круговой диаграммы пропорциональна количеству проецируемых точек. Из диаграммы (слева) видно, что абсолютное большинство образцов разных видов ирисов принадлежат разным узлам. Лишь небольшая часть Iris-virginica смешана с Iris-versicolor (смешанные сине-зеленые узлы на диаграмме). Следовательно, три вида ириса (Iris setosa, Iris virginica и Iris versicolor) можно разделить с помощью неконтролирующих процедур нелинейного анализа главных компонентов. Чтобы различать их, достаточно просто выбрать соответствующие узлы на главном дереве.
Набор данных содержит набор из 150 записей по пяти атрибутам - длине чашелистика, ширине чашелистика, длине лепестка, ширине лепестка и виду.
Iris versicolor Iris virginica Двойной график спектральной карты набора данных ириса ФишераПорядок набора данных | Длина чашелистика | Ширина чашелистика | Длина лепестка | Ширина лепестка | Виды |
---|---|---|---|---|---|
1 | 5,1 | 3,5 | 1,4 | 0,2 | I. setosa |
2 | 4.9 | 3.0 | 1.4 | 0.2 | I. setosa |
3 | 4,7 | 3,2 | 1,3 | 0,2 | I. setosa |
4 | 4,6 | 3,1 | 1,5 | 0,2 | I. setosa |
5 | 5.0 | 3.6 | 1.4 | 0.3 | I. setosa |
6 | 5.4 | 3.9 | 1.7 | 0.4 | I. setosa |
7 | 4,6 | 3,4 | 1,4 | 0,3 | I. setosa |
8 | 5.0 | 3.4 | 1.5 | 0.2 | I. setosa |
9 | 4,4 | 2,9 | 1,4 | 0,2 | I. setosa |
10 | 4.9 | 3.1 | 1.5 | 0.1 | I. setosa |
11 | 5,4 | 3,7 | 1,5 | 0,2 | I. setosa |
12 | 4,8 | 3,4 | 1,6 | 0,2 | I. setosa |
13 | 4.8 | 3.0 | 1.4 | 0.1 | I. setosa |
14 | 4.3 | 3.0 | 1.1 | 0.1 | I. setosa |
15 | 5.8 | 4.0 | 1.2 | 0.2 | I. setosa |
16 | 5,7 | 4,4 | 1,5 | 0,4 | I. setosa |
17 | 5.4 | 3.9 | 1.3 | 0.4 | I. setosa |
18 | 5,1 | 3,5 | 1,4 | 0,3 | I. setosa |
19 | 5,7 | 3,8 | 1,7 | 0,3 | I. setosa |
20 | 5.1 | 3.8 | 1,5 | 0,3 | I. setosa |
21 | 5,4 | 3,4 | 1,7 | 0,2 | I. setosa |
22 | 5.1 | 3.7 | 1,5 | 0,4 | I. setosa |
23 | 4.6 | 3.6 | 1.0 | 0.2 | I. setosa |
24 | 5.1 | 3.3 | 1.7 | 0.5 | I. setosa |
25 | 4,8 | 3,4 | 1,9 | 0,2 | I. setosa |
26 | 5.0 | 3.0 | 1.6 | 0.2 | I. setosa |
27 | 5.0 | 3.4 | 1.6 | 0.4 | I. setosa |
28 | 5,2 | 3,5 | 1,5 | 0,2 | I. setosa |
29 | 5.2 | 3.4 | 1.4 | 0.2 | I. setosa |
30 | 4,7 | 3,2 | 1,6 | 0,2 | I. setosa |
31 | 4.8 | 3.1 | 1.6 | 0.2 | I. setosa |
32 | 5,4 | 3,4 | 1,5 | 0,4 | I. setosa |
33 | 5.2 | 4.1 | 1.5 | 0.1 | I. setosa |
34 | 5,5 | 4,2 | 1,4 | 0,2 | I. setosa |
35 | 4.9 | 3.1 | 1,5 | 0.2 | I. setosa |
36 | 5.0 | 3.2 | 1.2 | 0.2 | I. setosa |
37 | 5,5 | 3,5 | 1,3 | 0,2 | I. setosa |
38 | 4,9 | 3,6 | 1,4 | 0,1 | I. setosa |
39 | 4.4 | 3.0 | 1.3 | 0.2 | I. setosa |
40 | 5.1 | 3.4 | 1,5 | 0.2 | I. setosa |
41 | 5.0 | 3.5 | 1.3 | 0.3 | I. setosa |
42 | 4,5 | 2,3 | 1,3 | 0,3 | I. setosa |
43 | 4.4 | 3.2 | 1.3 | 0.2 | I. setosa |
44 | 5.0 | 3.5 | 1.6 | 0.6 | I. setosa |
45 | 5.1 | 3.8 | 1.9 | 0.4 | I. setosa |
46 | 4,8 | 3,0 | 1,4 | 0,3 | I. setosa |
47 | 5.1 | 3.8 | 1.6 | 0.2 | I. setosa |
48 | 4,6 | 3,2 | 1,4 | 0,2 | I. setosa |
49 | 5,3 | 3,7 | 1,5 | 0,2 | I. setosa |
50 | 5.0 | 3.3 | 1.4 | 0.2 | I. setosa |
51 | 7.0 | 3.2 | 4.7 | 1.4 | I. versicolor |
52 | 6,4 | 3,2 | 4,5 | 1,5 | I. versicolor |
53 | 6.9 | 3.1 | 4.9 | 1,5 | I. versicolor |
54 | 5,5 | 2,3 | 4,0 | 1,3 | I. разноцветный |
55 | 6,5 | 2,8 | 4,6 | 1,5 | I. versicolor |
56 | 5,7 | 2,8 | 4,5 | 1,3 | I. versicolor |
57 | 6,3 | 3,3 | 4,7 | 1,6 | I. versicolor |
58 | 4,9 | 2,4 | 3,3 | 1,0 | I. разноцветный |
59 | 6,6 | 2,9 | 4,6 | 1,3 | I. versicolor |
60 | 5,2 | 2,7 | 3,9 | 1,4 | I. versicolor |
61 | 5.0 | 2.0 | 3.5 | 1.0 | I. versicolor |
62 | 5.9 | 3.0 | 4.2 | 1,5 | I. versicolor |
63 | 6.0 | 2.2 | 4.0 | 1.0 | I. versicolor |
64 | 6,1 | 2,9 | 4,7 | 1,4 | I. versicolor |
65 | 5,6 | 2,9 | 3,6 | 1,3 | I. versicolor |
66 | 6,7 | 3,1 | 4,4 | 1,4 | I. versicolor |
67 | 5,6 | 3,0 | 4,5 | 1,5 | I. versicolor |
68 | 5,8 | 2,7 | 4,1 | 1,0 | I. versicolor |
69 | 6,2 | 2,2 | 4,5 | 1,5 | I. versicolor |
70 | 5,6 | 2,5 | 3,9 | 1,1 | I. versicolor |
71 | 5.9 | 3.2 | 4,8 | 1,8 | I. versicolor |
72 | 6,1 | 2,8 | 4,0 | 1,3 | I. versicolor |
73 | 6,3 | 2,5 | 4,9 | 1,5 | I. разноцветный |
74 | 6,1 | 2,8 | 4,7 | 1,2 | I. versicolor |
75 | 6,4 | 2,9 | 4,3 | 1,3 | I. versicolor |
76 | 6,6 | 3,0 | 4,4 | 1,4 | I. versicolor |
77 | 6,8 | 2,8 | 4,8 | 1,4 | I. разноцветный |
78 | 6,7 | 3,0 | 5,0 | 1,7 | I. versicolor |
79 | 6,0 | 2,9 | 4,5 | 1,5 | I. versicolor |
80 | 5,7 | 2,6 | 3,5 | 1,0 | I. versicolor |
81 | 5,5 | 2,4 | 3,8 | 1,1 | I. versicolor |
82 | 5,5 | 2,4 | 3,7 | 1,0 | I. разноцветный |
83 | 5,8 | 2,7 | 3,9 | 1,2 | I. разноцветный |
84 | 6,0 | 2,7 | 5,1 | 1,6 | I. versicolor |
85 | 5,4 | 3,0 | 4,5 | 1,5 | I. разноцветный |
86 | 6,0 | 3,4 | 4,5 | 1,6 | I. versicolor |
87 | 6,7 | 3,1 | 4,7 | 1,5 | I. versicolor |
88 | 6,3 | 2,3 | 4,4 | 1,3 | I. versicolor |
89 | 5.6 | 3.0 | 4.1 | 1.3 | I. versicolor |
90 | 5,5 | 2,5 | 4,0 | 1,3 | I. versicolor |
91 | 5,5 | 2,6 | 4,4 | 1,2 | I. versicolor |
92 | 6,1 | 3,0 | 4,6 | 1,4 | I. versicolor |
93 | 5,8 | 2,6 | 4,0 | 1,2 | I. versicolor |
94 | 5.0 | 2.3 | 3.3 | 1.0 | I. versicolor |
95 | 5,6 | 2,7 | 4,2 | 1,3 | I. versicolor |
96 | 5,7 | 3,0 | 4,2 | 1,2 | I. versicolor |
97 | 5,7 | 2,9 | 4,2 | 1,3 | I. versicolor |
98 | 6,2 | 2,9 | 4,3 | 1,3 | I. versicolor |
99 | 5.1 | 2.5 | 3.0 | 1.1 | I. versicolor |
100 | 5,7 | 2,8 | 4,1 | 1,3 | I. versicolor |
101 | 6,3 | 3,3 | 6,0 | 2,5 | I. virginica |
102 | 5.8 | 2.7 | 5.1 | 1.9 | I. virginica |
103 | 7.1 | 3.0 | 5.9 | 2.1 | I. virginica |
104 | 6.3 | 2.9 | 5.6 | 1.8 | I. virginica |
105 | 6,5 | 3,0 | 5,8 | 2,2 | I. virginica |
106 | 7.6 | 3.0 | 6.6 | 2.1 | I. virginica |
107 | 4,9 | 2,5 | 4,5 | 1,7 | I. virginica |
108 | 7.3 | 2.9 | 6.3 | 1.8 | I. virginica |
109 | 6,7 | 2,5 | 5,8 | 1,8 | I. virginica |
110 | 7,2 | 3,6 | 6,1 | 2,5 | I. virginica |
111 | 6.5 | 3.2 | 5.1 | 2.0 | I. virginica |
112 | 6,4 | 2,7 | 5,3 | 1,9 | I. virginica |
113 | 6,8 | 3,0 | 5,5 | 2,1 | I. virginica |
114 | 5,7 | 2,5 | 5,0 | 2,0 | I. virginica |
115 | 5,8 | 2,8 | 5,1 | 2,4 | I. virginica |
116 | 6,4 | 3,2 | 5,3 | 2,3 | I. virginica |
117 | 6,5 | 3,0 | 5,5 | 1,8 | I. virginica |
118 | 7,7 | 3,8 | 6,7 | 2,2 | I. virginica |
119 | 7,7 | 2,6 | 6,9 | 2,3 | I. virginica |
120 | 6,0 | 2,2 | 5,0 | 1,5 | I. virginica |
121 | 6,9 | 3,2 | 5,7 | 2,3 | I. virginica |
122 | 5.6 | 2.8 | 4.9 | 2.0 | I. virginica |
123 | 7,7 | 2,8 | 6,7 | 2,0 | I. virginica |
124 | 6,3 | 2,7 | 4,9 | 1,8 | I. virginica |
125 | 6,7 | 3,3 | 5,7 | 2,1 | I. virginica |
126 | 7,2 | 3,2 | 6,0 | 1,8 | I. virginica |
127 | 6,2 | 2,8 | 4,8 | 1,8 | I. virginica |
128 | 6.1 | 3.0 | 4.9 | 1.8 | I. virginica |
129 | 6,4 | 2,8 | 5,6 | 2,1 | I. virginica |
130 | 7.2 | 3.0 | 5.8 | 1.6 | I. virginica |
131 | 7,4 | 2,8 | 6,1 | 1,9 | I. virginica |
132 | 7.9 | 3.8 | 6.4 | 2.0 | I. virginica |
133 | 6,4 | 2,8 | 5,6 | 2,2 | I. virginica |
134 | 6,3 | 2,8 | 5,1 | 1,5 | I. virginica |
135 | 6,1 | 2,6 | 5,6 | 1,4 | I. virginica |
136 | 7,7 | 3,0 | 6,1 | 2,3 | I. virginica |
137 | 6,3 | 3,4 | 5,6 | 2,4 | I. virginica |
138 | 6,4 | 3,1 | 5,5 | 1,8 | I. virginica |
139 | 6,0 | 3,0 | 4,8 | 1,8 | I. virginica |
140 | 6.9 | 3.1 | 5.4 | 2.1 | I. virginica |
141 | 6,7 | 3,1 | 5,6 | 2,4 | I. virginica |
142 | 6.9 | 3.1 | 5.1 | 2.3 | I. virginica |
143 | 5.8 | 2.7 | 5.1 | 1.9 | I. virginica |
144 | 6,8 | 3,2 | 5,9 | 2,3 | I. virginica |
145 | 6,7 | 3,3 | 5,7 | 2,5 | I. virginica |
146 | 6,7 | 3,0 | 5,2 | 2,3 | I. virginica |
147 | 6,3 | 2,5 | 5,0 | 1,9 | I. virginica |
148 | 6.5 | 3.0 | 5.2 | 2.0 | I. virginica |
149 | 6,2 | 3,4 | 5,4 | 2,3 | I. virginica |
150 | 5.9 | 3.0 | 5.1 | 1.8 | I. virginica |
Набор данных iris широко используется в качестве набора данных для новичков в целях машинного обучения. Набор данных включен в R (язык программирования) base и Python в пакет машинного обучения Scikit-learn, так что пользователи могут получить к нему доступ без необходимости искать для него источник.
iris class (iris) # "data.frame" iris3 class (iris3) # "array"
из sklearn.datasets import load_iris iris = load_iris () iris
Этот код дает:
{'data': array ([[5.1, 3.5, 1.4, 0.2], [4.9, 3., 1.4, 0.2], [4.7, 3.2, 1.3, 0.2], [4.6, 3.1, 1.5, 0.2],
Было опубликовано несколько версий набора данных.