Speaker: Amber (吳思嬋)
深度學習(深度類神經網路)是機器學習的分支,透過模仿人類大腦的組成方式,來進行學習。
如果你今天擁有setosa (山鳶尾), versicolor(變色鳶尾), virginica(維吉尼亞鳶尾)的花瓣大小, 花萼大小的資料
能不能藉由花瓣和花萼的特徵來分類資料?
from sklearn import datasets # 引入sklearn的資料集
iris = datasets.load_iris() # 載入鳶尾花資料集
print("Target_Name: ", iris.target_names) # 取出 target欄位的名稱 setosa (山鳶尾), versicolor (變色鳶尾), virginica (維吉尼亞鳶尾)
print("Target:",iris.target[:5]) # 印出 target 欄位的資料
print("Data: ", iris.data[:5]) # 取出鳶尾花特徵資料 sepal(花萼) length, width; peta(花瓣) length, width
Target_Name: ['setosa' 'versicolor' 'virginica'] Target: [0 0 0 0 0] Data: [[ 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] [ 5. 3.6 1.4 0.2]]
from sklearn import datasets
from sklearn.model_selection import train_test_split # 引入 train_test_split 套件
iris = datasets.load_iris()
# X_train: 訓練集資料特徵, y_train: 訓練集分類target, X_test: 測試集資料特徵, y_test: 測試集分類target
X_train, X_test, y_train, y_test = train_test_split(
iris.data, iris.target, random_state=0)
print(X_train[:5], '\n', y_train[:5]) # 印出前五筆資料
[[ 5.9 3. 4.2 1.5] [ 5.8 2.6 4. 1.2] [ 6.8 3. 5.5 2.1] [ 4.7 3.2 1.3 0.2] [ 6.9 3.1 5.1 2.3]] [1 1 2 0 2]
from sklearn import datasets # 引入 sklearn 的資料集
from sklearn.model_selection import train_test_split # 引入 train_test_split 套件
from sklearn.tree import DecisionTreeClassifier # 引入決策樹分類演算法套件
iris = datasets.load_iris() # 載入鳶尾花資料
X_train, X_test, y_train, y_test = train_test_split(
iris.data, iris.target, random_state=0) # 將資料分成訓練集和測試集
# 使用決策樹分類演算法以及訓練集(training data)資料完成模型(model)的訓練
'''
請試著閱讀文件並完成這個部分
'''
# 完成模型(model)訓練後,使用測試集(testing data)資料進行模型(model)的驗證
'''
請試著閱讀文件並完成這個部分
'''