数据分析——深度学习入门_深度学习 特征分析

一.到底什么是数据分析？
我打开书本，书上说有个人叫罗纳德费雪，他是一个统计学家（数学家），在1936年发布了Iris数据集。

1.当时机器学习都没真正出现，这个数据集到底是什么样子的？
于是用python看了一下（因为有人将该数据集做进了包里）

2.代码

// An highlighted block
'''
Iris 数据 是1936某科学家整理处理的，本实验就是看看他的数据；
以他的数据理解，数据分析
Iris 通过4个特征分成了三个类别，分别用 0 ，1 ，2 代表这三个类
'''

from sklearn import datasets  #from sklearn 导入datasets



def check(iris):
    print(iris.data.shape)  #data对应了样本的4个特征，150行4列；4个特征来描述这类花的不同
    print(iris.data[:10])    #显示样本的前10个
    print(iris.target.shape)  #target对应了样本的类别，也就是目标属性，150行1列
    print(iris.target)       #将类别显示出来


if __name__ == '__main__':
    iris = datasets.load_iris() #从datasets.load_iris（）获取iris该类
    check(iris);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

3.从上面来看，他是将4个特征的数据，区别分出三个不同种类的Iris花。小总结:在一个大类来说，Iris是一个大类，对于这个大类，取其中的4个特征，可以在大类内部区别出小类，即三种不同的话。

原来，数据分析的深度学习，是将众多的数据进行特征使用，（前提特征的获得），进行分类或者检测回归，或者其他操作。