Python sklearn各分类算法及调参调优（一）

最近在学习分类算法及Python的相关实现，比较有趣。在此将所了解的内容归纳，分享一下，整体内容主要包含以下几点：

数据集背景

首先先简单介绍下数据集，如下：

数据描述

数据样例

iris.data文件数据样例，如下：

5.1,3.5,1.4,0.2,Iris-setosa4.9,3.0,1.4,0.2,Iris-setosa4.7,3.2,1.3,0.2,Iris-setosa4.6,3.1,1.5,0.2,Iris-setosa5.0,3.6,1.4,0.2,Iris-setosa

seaborn 实现数据集特征间的关系及分布可视化

pandas.read_csv

1.根据样例数据格式，使用pandas.read_csv加载iris.data文件，并且给定列名，如下。

2.输出前三条数据，如下：

3.使用describe()可以很方便的查看数据的大致信息，数据集描述如下：

seaborn

为了比较直观的查看数据的分布，使用seaborn、matplotlib.pyplot实现iris.data数据集不同特征之间的关系、分布以及不同鸢尾花卉特征差异的可视化。

若对你有所帮助，欢迎大家评论、留言、关注，感谢支持！

关联阅读

Python sklearn各分类算法及调参调优（一）

Python sklearn各分类算法及调参调优（二）

Python sklearn各分类算法及调参调优（三）

Python sklearn各分类算法及调参调优（四）