TensorFlow入门教程:20:Iris数据集线性关系挖掘
2018-10-03 22:52
190 查看
版权声明:本文为博主原创文章,未经博主允许欢迎转载,但请注明出处。 https://blog.csdn.net/liumiaocn/article/details/82924276
这篇文章将对Iris数据集中的线性关系挖掘进行准备,Iris数据集包含四个维度,两两结合,将会形成12种不同的组合。这里使用前文整理的共通功能直接进行确认
Iris数据集
每条数据都从鸢尾花的如下四个特征进行描述
特征 | 说明 | 数据下标 |
---|---|---|
Sepal.Length | 花萼长度 | 0 |
Sepal.Width | 花萼宽度 | 1 |
Petal.Length | 花瓣长度 | 1 |
Petal.Width | 花瓣宽度 | 3 |
组合
花萼长度 | 花萼宽度 | 花瓣长度 | 花瓣宽度 | |
---|---|---|---|---|
花萼长度 | - | 组合1 | 组合2 | 组合3 |
花萼宽度 | 组合7 | - | 组合4 | 组合5 |
花瓣长度 | 组合8 | 组合9 | - | 组合6 |
花瓣宽度 | 组合10 | 组合11 | 组合12 | - |
组合1 :花萼长度 x 花萼宽度
数据加载方式:
model = LinearModel() model.load(0,1)
结果确认
组合2 :花萼长度 x 花瓣长度
数据加载方式:
model = LinearModel() model.load(0,2)
结果确认
组合3 :花萼长度 x 花瓣宽度
数据加载方式:
model = LinearModel() model.load(0,3)
结果确认
组合4 :花萼宽度 x 花瓣长度
数据加载方式:
model = LinearModel() model.load(1,2)
结果确认
组合5 :花萼宽度 x 花瓣宽度
数据加载方式:
model = LinearModel() model.load(1,3)
结果确认
组合6 :花瓣长度 x 花瓣宽度
数据加载方式:
model = LinearModel() model.load(2,3)
结果确认
总结
可以直观地看出花瓣的长度与宽度之间的线性关系的拟合效果最好,另外也可以根据值与期待值的接近程度的均值来进行判断。从数据进行分析,通过计算来判断数据不同维度之间是否存在线性关系,就可以使用本文类似的方法对实际的数据进行分析。
阅读更多相关文章推荐
- TensorFlow入门很好的教程:你好,TensorFlow!
- Python Twisted 学习系列20(转载stulife最棒的Twisted入门教程)
- tensorflow入门教程和底层机制简单解说——本质就是图计算,自动寻找依赖,想想spark机制就明白了
- Tensorflow入门教程三—计算图
- 机器学习-tensorflow入门教程二——识别手写数字
- 自创数据集,使用TensorFlow预测股票入门
- TensorFlow入门必读教程,拿走不谢!
- 2013 duilib入门简明教程 -- 总结 (20)
- TensorFlow 中文资源精选,官方网站,安装教程,入门教程,实战项目,学习路径
- Tensorflow教程--新手入门笔记--安装
- TensorFlow入门教程集合
- 真正从零开始,TensorFlow详细安装入门图文教程!
- TensorFlow 教程入门
- TensorFlow和深度学习入门教程(TensorFlow and deep learning without a PhD)
- 从零开始,TensorFlow详细安装入门图文教程!
- Tensorflow学习教程------利用卷积神经网络对mnist数据集进行分类_利用训练好的模型进行分类
- TensorFlow全新的数据读取方式:Dataset API入门教程
- 30分钟手把手带你入门TensorFlow——Mnist手写数字识别实战教程
- Tensorflow入门教程之手写数字MINST识别
- 用深度神经网络对Iris数据集进行分类的程序--tensorflow