鸢尾花分类毕业论文

鸢尾种类繁多，分类方法不一。在园艺上常见的鸢尾分类方法主要有以下2种。

（1）按生长习性及栽培条件分

①喜欢排水良好的石灰质碱性土壤的根茎类鸢尾 此类鸢尾根茎粗壮肥大。常见栽培的有矮鸢尾（Irispumila）、香根鸢尾（Iris p allasii）、有髯鸢尾类及一些假种皮鸢尾类鸢尾。

②喜欢水湿和酸性土壤的鸢尾 主要种类有蝴蝶花、花菖蒲、燕 子花、黄菖蒲（Iris pseudacorus）、西伯利亚 鸢尾、变色鸢尾（Iris versicolor）等。园林中一般把它们栽培于水塘边。

③极耐干旱，并且在沙土、黏土中均能生长的鸢尾 这类鸢尾 主要 有 野 鸢尾（Iris d ichotom a）、马 蔺 及 拟 鸢 尾 类（Spuriae）的一些鸢尾品种。此类鸢尾适应性强，在 自然式园林中栽培，可粗放管理，可做地被。

④夏季休眠的球根鸢尾 常见栽培的有西班牙鸢尾（Xiphium）、网脉鸢尾（Reticulata），包括切花型及可促成栽培的盆花型鸢尾品种。此类鸢尾大多原产于地中海地区，喜欢夏季凉爽的环境。它们的地下部分为鳞茎，栽培及管理方法比较特殊。

（2）按地下茎分

①根茎类鸢尾 有5种类型。包括有髯鸢尾，此类鸢尾的垂瓣上有髯毛附属物，常又按植株或花莛高矮分为高生、中生及矮生等几类；假种皮鸢尾，此类鸢尾的特点是种子上都有假种皮，即种子一头有乳白色的附属物，垂瓣上有髯毛附属物（有些假种皮鸢尾的旗瓣上也有髯毛附属物）；无髯鸢尾，此类鸢尾的特点是垂瓣上没有附属物，可分为若干类；饰冠鸢尾，此类鸢尾的特点是垂瓣基部上都有一鸡冠状附属物；其他根茎类鸢尾。

②球根鸢尾 有3种类型。包括西西里鸢尾，此类鸢尾除有球茎外，有时还有肉质、膨胀的贮藏根，它们的旗瓣很小、斜伸，叶序基部包被得如大葱状；西班牙鸢尾，此类鸢尾是重要的切花类鸢尾；网脉鸢尾，此类鸢尾的特点是球茎的外面覆有一层网状纤维质膜。

这次案例还是使用鸢尾花数据分类的数据。 数据路径： /datas/ 数据格式：

数据解释：

1、引入头文件

feature_selection 是做特征选择的包 feature_selection 中的方法 SelectKBest ，帮助我们选择K个最优的特征 feature_selection 中的方法 chi2-卡方检验 ，表示使用 chi2 的方法帮助我们在 SelectKBest 中选择最优的K个最优特征。

2、防中文乱码、去警告、读取数据

总样本数目：150;特征属性数目:4

x=data[list(range(4))] 取得样本前四列特殊数据 '花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度' iris_class = 'Iris-setosa', 'Iris-versicolor', 'Iris-virginica' y=(data[4]).codes#把Y转换成分类型的0,1,2 将目标的三种分类转换成0,1,2

PS: 在之前的例子中： 04 分类算法 - Logistic回归 - 信贷审批案例 ，我们自己写过一个分类的算法对部分特征进行哑编码操作: parseRecord(record) ，其实pandas自己也集成了这个转换算法： (data[4]).codes ，可以把y直接转换成0,1,2。

以上是数据预处理的步骤，和之前的例子类似。

3、数据分割(训练数据和测试数据)

训练数据集样本数目：120, 测试数据集样本数目：30

注意： 这个demo中的案例在这一步还没有做 KFold-K折交叉验证 。当前步骤的主要内容是对数据进行划分。K折就要生成K个互斥的子集。 KFold 的工作就是帮助我们划分子集的，划分完后我们将子集扔进建模即可。 02 分类算法 - Logistic案例 中提及过K折交叉验证的内容。

4、数据标准化和数据归一化的区别

思考： 行数据和列数据，哪个服从正态分布？显然，列数据是特征，和样本一样都服从正态分布。所以数据标准化和归一化的对象是列。

数据标准化： StandardScaler (基于特征矩阵的列，将属性值转换至服从正态分布) 标准化是依照特征矩阵的列处理数据，其通过求z-score: z-score=(x-μ)/σ 的方法，将样本的特征值转换到同一量纲下。z-score是N(0,1)正态分布，即标准正态分布。 常用与基于正态分布的算法，比如回归。 PS：在 04 回归算法 - 最小二乘线性回归案例 中对 ss = StandardScaler() 数据标准化操作进行了深入分析。

数据归一化： MinMaxScaler （区间缩放，基于最大最小值，将数据转换到0,1区间上的） 提升模型收敛速度，提升模型精度。 常见用于神经网络。 Normalizer （基于矩阵的行，将样本向量转换为单位向量） 其目的在于样本向量在点乘运算或其他核函数计算相似性时，拥有统一的标准。 常见用于文本分类和聚类、logistic回归中也会使用，有效防止过拟合。

原始数据各个特征属性的调整最小值: [ ] 原始数据各个特征属性的缩放数据值: [ ]

5、特征选择： 特征选择：从已有的特征中选择出影响目标值最大的特征属性 特征选择是一个transform的过程 常用方法： { 分类：F统计量、卡方系数，互信息mutual_info_classif { 连续：皮尔逊相关系数 F统计量 互信息mutual_info_classif 这里介绍一种特征选择方法： K方检验 SelectKBest

补充知识：K方检验

ch2 = SelectKBest(chi2,k=3) 这步操作本质是一个Transformer的步骤。Transformer的概念参考 05 回归算法 - 多项式扩展、管道Pipeline 。 K方检验的本质是：判断两个特征之间的关联程度。

看下面两个样本：

1、男女性别和是否会化妆的关联性是很强的：

2、男女性别和是否出门带口罩的关联性不强：

但大部分属性对结果的关联性我们很难用常识去判断，所以我们可以首先假设样本的特征和目标无关。

假设性别和是否会化妆无关。 因此我们设男人中化妆的比例为55%，男人中不化妆的比例是45% 根据实际情况进行计算：( 列联表 ) (20-55) 2 /55 + (90-55) 2 /55 + (80-45) 2 /45 + (10-45) 2 /45 结果越大，说明性别和是否会化妆的关联程度越大，当数值较大时我们可以说拒绝原假设，即原假设错误，真实情况下性别和是否会化妆有很大的影响。 (越大越拒绝)

如果结果越小，说明假设正确，我们称之为不拒绝原假设。

注意: K方统计用于离散的特征，对连续的特征无效。

对类别判断影响最大的三个特征属性分布是: [ True False True True] [0 2 3]

这里False的属性就是K方检验分数最小的那个，如果只取3个特征，False对应的那个特征就会被丢弃。

6、模型的构建、训练、预测：

准确率: Score： Classes: [0 1 2]

7、画图：

目的：了解案例背景，数据情况，准备特征，为探索性分析做准备工作 ​ 特征 特征描述 标签 标签描述 三种鸢尾花：山鸢尾，变色鸢尾花，维吉尼亚鸢尾 四个特征：[0,1,2,3] 每2个特征组合，画一张散点图 (4*3)/(2*1)=6，6种组合： [[0,1],[0,2],[0,3],[1,2],[1,3],[2,3]] 先用前两列特征组合画图，看效果 循环绘制所有6种特征组合