El Iris conjunto de datos de la flor o de Fisher Iris conjunto de datos es un multivariados conjunto de datos introducidos por el British estadístico , eugenicist , y biólogo Ronald Fisher en su artículo de 1936 El uso de múltiples mediciones en problemas taxonómicos como un ejemplo de análisis discriminante lineal . [1] A veces se denomina conjunto de datos de Iris de Anderson porque Edgar Anderson recopiló los datos para cuantificar la variación morfológica de Iris.flores de tres especies relacionadas. [2] Dos de las tres especies fueron recolectadas en la Península de Gaspé "todas de la misma pradera, y recogidas el mismo día y medidas a la misma hora por la misma persona con el mismo aparato". [3]
El conjunto de datos consta de 50 muestras de cada una de las tres especies de Iris ( Iris setosa , Iris virginica e Iris versicolor ). De cada muestra se midieron cuatro características : el largo y el ancho de los sépalos y pétalos , en centímetros. Basado en la combinación de estas cuatro características, Fisher desarrolló un modelo discriminante lineal para distinguir las especies entre sí.
Uso del conjunto de datos
Basado en el modelo discriminante lineal de Fisher, este conjunto de datos se convirtió en un caso de prueba típico para muchas técnicas de clasificación estadística en el aprendizaje automático , como las máquinas de vectores de soporte . [5]
Sin embargo, el uso de este conjunto de datos en el análisis de conglomerados no es común, ya que el conjunto de datos solo contiene dos conglomerados con una separación bastante obvia. Uno de los grupos contiene Iris setosa , mientras que el otro grupo contiene Iris virginica e Iris versicolor y no es separable sin la información de especies que utilizó Fisher. Esto hace que el conjunto de datos sea un buen ejemplo para explicar la diferencia entre las técnicas supervisadas y no supervisadas en la minería de datos : el modelo discriminante lineal de Fisher solo se puede obtener cuando se conocen las especies del objeto: las etiquetas de clase y los grupos no son necesariamente los mismos. [6]
Sin embargo, las tres especies de Iris son separables en la proyección del componente principal no lineal y ramificado. [7] El conjunto de datos se aproxima por el árbol más cercano con alguna penalización por el número excesivo de nodos, flexión y estiramiento. Luego se construye el llamado "mapa del metro". [4] Los puntos de datos se proyectan en el nodo más cercano. Para cada nodo se prepara el diagrama circular de los puntos proyectados. El área del pastel es proporcional al número de puntos proyectados. Se desprende del diagrama (izquierda) que la mayoría absoluta de las muestras de las diferentes especies de Iris pertenecen a los diferentes nodos. Solo una pequeña fracción de Iris-virginica se mezcla con Iris-versicolor (los nodos mezclados azul-verde en el diagrama). Por lo tanto, las tres especies de Iris ( Iris setosa , Iris virginica e Iris versicolor ) son separables mediante los procedimientos no supervisados de análisis de componentes principales no lineales . Para discriminarlos, basta con seleccionar los nodos correspondientes en el árbol principal.
Conjunto de datos
El conjunto de datos contiene un conjunto de 150 registros bajo cinco atributos: longitud del sépalo, ancho del sépalo, largo del pétalo, ancho del pétalo y especie.
Orden del conjunto de datos | Longitud del sépalo | Ancho del sépalo | Longitud del pétalo | Ancho del pétalo | Especies |
---|---|---|---|---|---|
1 | 5.1 | 3,5 | 1.4 | 0,2 | I. setosa |
2 | 4.9 | 3,0 | 1.4 | 0,2 | I. setosa |
3 | 4,7 | 3.2 | 1.3 | 0,2 | I. setosa |
4 | 4.6 | 3.1 | 1,5 | 0,2 | I. setosa |
5 | 5,0 | 3.6 | 1.4 | 0,3 | I. setosa |
6 | 5.4 | 3.9 | 1,7 | 0.4 | I. setosa |
7 | 4.6 | 3.4 | 1.4 | 0,3 | I. setosa |
8 | 5,0 | 3.4 | 1,5 | 0,2 | I. setosa |
9 | 4.4 | 2.9 | 1.4 | 0,2 | I. setosa |
10 | 4.9 | 3.1 | 1,5 | 0,1 | I. setosa |
11 | 5.4 | 3,7 | 1,5 | 0,2 | I. setosa |
12 | 4.8 | 3.4 | 1,6 | 0,2 | I. setosa |
13 | 4.8 | 3,0 | 1.4 | 0,1 | I. setosa |
14 | 4.3 | 3,0 | 1.1 | 0,1 | I. setosa |
15 | 5.8 | 4.0 | 1.2 | 0,2 | I. setosa |
dieciséis | 5.7 | 4.4 | 1,5 | 0.4 | I. setosa |
17 | 5.4 | 3.9 | 1.3 | 0.4 | I. setosa |
18 | 5.1 | 3,5 | 1.4 | 0,3 | I. setosa |
19 | 5.7 | 3.8 | 1,7 | 0,3 | I. setosa |
20 | 5.1 | 3.8 | 1,5 | 0,3 | I. setosa |
21 | 5.4 | 3.4 | 1,7 | 0,2 | I. setosa |
22 | 5.1 | 3,7 | 1,5 | 0.4 | I. setosa |
23 | 4.6 | 3.6 | 1.0 | 0,2 | I. setosa |
24 | 5.1 | 3.3 | 1,7 | 0,5 | I. setosa |
25 | 4.8 | 3.4 | 1,9 | 0,2 | I. setosa |
26 | 5,0 | 3,0 | 1,6 | 0,2 | I. setosa |
27 | 5,0 | 3.4 | 1,6 | 0.4 | I. setosa |
28 | 5.2 | 3,5 | 1,5 | 0,2 | I. setosa |
29 | 5.2 | 3.4 | 1.4 | 0,2 | I. setosa |
30 | 4,7 | 3.2 | 1,6 | 0,2 | I. setosa |
31 | 4.8 | 3.1 | 1,6 | 0,2 | I. setosa |
32 | 5.4 | 3.4 | 1,5 | 0.4 | I. setosa |
33 | 5.2 | 4.1 | 1,5 | 0,1 | I. setosa |
34 | 5.5 | 4.2 | 1.4 | 0,2 | I. setosa |
35 | 4.9 | 3.1 | 1,5 | 0,2 | I. setosa |
36 | 5,0 | 3.2 | 1.2 | 0,2 | I. setosa |
37 | 5.5 | 3,5 | 1.3 | 0,2 | I. setosa |
38 | 4.9 | 3.6 | 1.4 | 0,1 | I. setosa |
39 | 4.4 | 3,0 | 1.3 | 0,2 | I. setosa |
40 | 5.1 | 3.4 | 1,5 | 0,2 | I. setosa |
41 | 5,0 | 3,5 | 1.3 | 0,3 | I. setosa |
42 | 4.5 | 2.3 | 1.3 | 0,3 | I. setosa |
43 | 4.4 | 3.2 | 1.3 | 0,2 | I. setosa |
44 | 5,0 | 3,5 | 1,6 | 0,6 | I. setosa |
45 | 5.1 | 3.8 | 1,9 | 0.4 | I. setosa |
46 | 4.8 | 3,0 | 1.4 | 0,3 | I. setosa |
47 | 5.1 | 3.8 | 1,6 | 0,2 | I. setosa |
48 | 4.6 | 3.2 | 1.4 | 0,2 | I. setosa |
49 | 5.3 | 3,7 | 1,5 | 0,2 | I. setosa |
50 | 5,0 | 3.3 | 1.4 | 0,2 | I. setosa |
51 | 7.0 | 3.2 | 4,7 | 1.4 | Versicolor |
52 | 6.4 | 3.2 | 4.5 | 1,5 | Versicolor |
53 | 6,9 | 3.1 | 4.9 | 1,5 | Versicolor |
54 | 5.5 | 2.3 | 4.0 | 1.3 | Versicolor |
55 | 6.5 | 2.8 | 4.6 | 1,5 | Versicolor |
56 | 5.7 | 2.8 | 4.5 | 1.3 | Versicolor |
57 | 6.3 | 3.3 | 4,7 | 1,6 | Versicolor |
58 | 4.9 | 2.4 | 3.3 | 1.0 | Versicolor |
59 | 6.6 | 2.9 | 4.6 | 1.3 | Versicolor |
60 | 5.2 | 2,7 | 3.9 | 1.4 | Versicolor |
61 | 5,0 | 2.0 | 3,5 | 1.0 | Versicolor |
62 | 5.9 | 3,0 | 4.2 | 1,5 | Versicolor |
63 | 6.0 | 2.2 | 4.0 | 1.0 | Versicolor |
64 | 6.1 | 2.9 | 4,7 | 1.4 | Versicolor |
sesenta y cinco | 5,6 | 2.9 | 3.6 | 1.3 | Versicolor |
66 | 6,7 | 3.1 | 4.4 | 1.4 | Versicolor |
67 | 5,6 | 3,0 | 4.5 | 1,5 | Versicolor |
68 | 5.8 | 2,7 | 4.1 | 1.0 | Versicolor |
69 | 6.2 | 2.2 | 4.5 | 1,5 | Versicolor |
70 | 5,6 | 2.5 | 3.9 | 1.1 | Versicolor |
71 | 5.9 | 3.2 | 4.8 | 1.8 | Versicolor |
72 | 6.1 | 2.8 | 4.0 | 1.3 | Versicolor |
73 | 6.3 | 2.5 | 4.9 | 1,5 | Versicolor |
74 | 6.1 | 2.8 | 4,7 | 1.2 | Versicolor |
75 | 6.4 | 2.9 | 4.3 | 1.3 | Versicolor |
76 | 6.6 | 3,0 | 4.4 | 1.4 | Versicolor |
77 | 6,8 | 2.8 | 4.8 | 1.4 | Versicolor |
78 | 6,7 | 3,0 | 5,0 | 1,7 | Versicolor |
79 | 6.0 | 2.9 | 4.5 | 1,5 | Versicolor |
80 | 5.7 | 2.6 | 3,5 | 1.0 | Versicolor |
81 | 5.5 | 2.4 | 3.8 | 1.1 | Versicolor |
82 | 5.5 | 2.4 | 3,7 | 1.0 | Versicolor |
83 | 5.8 | 2,7 | 3.9 | 1.2 | Versicolor |
84 | 6.0 | 2,7 | 5.1 | 1,6 | Versicolor |
85 | 5.4 | 3,0 | 4.5 | 1,5 | Versicolor |
86 | 6.0 | 3.4 | 4.5 | 1,6 | Versicolor |
87 | 6,7 | 3.1 | 4,7 | 1,5 | Versicolor |
88 | 6.3 | 2.3 | 4.4 | 1.3 | Versicolor |
89 | 5,6 | 3,0 | 4.1 | 1.3 | Versicolor |
90 | 5.5 | 2.5 | 4.0 | 1.3 | Versicolor |
91 | 5.5 | 2.6 | 4.4 | 1.2 | Versicolor |
92 | 6.1 | 3,0 | 4.6 | 1.4 | Versicolor |
93 | 5.8 | 2.6 | 4.0 | 1.2 | Versicolor |
94 | 5,0 | 2.3 | 3.3 | 1.0 | Versicolor |
95 | 5,6 | 2,7 | 4.2 | 1.3 | Versicolor |
96 | 5.7 | 3,0 | 4.2 | 1.2 | Versicolor |
97 | 5.7 | 2.9 | 4.2 | 1.3 | Versicolor |
98 | 6.2 | 2.9 | 4.3 | 1.3 | Versicolor |
99 | 5.1 | 2.5 | 3,0 | 1.1 | Versicolor |
100 | 5.7 | 2.8 | 4.1 | 1.3 | Versicolor |
101 | 6.3 | 3.3 | 6.0 | 2.5 | I. virginica |
102 | 5.8 | 2,7 | 5.1 | 1,9 | I. virginica |
103 | 7.1 | 3,0 | 5.9 | 2.1 | I. virginica |
104 | 6.3 | 2.9 | 5,6 | 1.8 | I. virginica |
105 | 6.5 | 3,0 | 5.8 | 2.2 | I. virginica |
106 | 7,6 | 3,0 | 6.6 | 2.1 | I. virginica |
107 | 4.9 | 2.5 | 4.5 | 1,7 | I. virginica |
108 | 7.3 | 2.9 | 6.3 | 1.8 | I. virginica |
109 | 6,7 | 2.5 | 5.8 | 1.8 | I. virginica |
110 | 7.2 | 3.6 | 6.1 | 2.5 | I. virginica |
111 | 6.5 | 3.2 | 5.1 | 2.0 | I. virginica |
112 | 6.4 | 2,7 | 5.3 | 1,9 | I. virginica |
113 | 6,8 | 3,0 | 5.5 | 2.1 | I. virginica |
114 | 5.7 | 2.5 | 5,0 | 2.0 | I. virginica |
115 | 5.8 | 2.8 | 5.1 | 2.4 | I. virginica |
116 | 6.4 | 3.2 | 5.3 | 2.3 | I. virginica |
117 | 6.5 | 3,0 | 5.5 | 1.8 | I. virginica |
118 | 7.7 | 3.8 | 6,7 | 2.2 | I. virginica |
119 | 7.7 | 2.6 | 6,9 | 2.3 | I. virginica |
120 | 6.0 | 2.2 | 5,0 | 1,5 | I. virginica |
121 | 6,9 | 3.2 | 5.7 | 2.3 | I. virginica |
122 | 5,6 | 2.8 | 4.9 | 2.0 | I. virginica |
123 | 7.7 | 2.8 | 6,7 | 2.0 | I. virginica |
124 | 6.3 | 2,7 | 4.9 | 1.8 | I. virginica |
125 | 6,7 | 3.3 | 5.7 | 2.1 | I. virginica |
126 | 7.2 | 3.2 | 6.0 | 1.8 | I. virginica |
127 | 6.2 | 2.8 | 4.8 | 1.8 | I. virginica |
128 | 6.1 | 3,0 | 4.9 | 1.8 | I. virginica |
129 | 6.4 | 2.8 | 5,6 | 2.1 | I. virginica |
130 | 7.2 | 3,0 | 5.8 | 1,6 | I. virginica |
131 | 7.4 | 2.8 | 6.1 | 1,9 | I. virginica |
132 | 7,9 | 3.8 | 6.4 | 2.0 | I. virginica |
133 | 6.4 | 2.8 | 5,6 | 2.2 | I. virginica |
134 | 6.3 | 2.8 | 5.1 | 1,5 | I. virginica |
135 | 6.1 | 2.6 | 5,6 | 1.4 | I. virginica |
136 | 7.7 | 3,0 | 6.1 | 2.3 | I. virginica |
137 | 6.3 | 3.4 | 5,6 | 2.4 | I. virginica |
138 | 6.4 | 3.1 | 5.5 | 1.8 | I. virginica |
139 | 6.0 | 3,0 | 4.8 | 1.8 | I. virginica |
140 | 6,9 | 3.1 | 5.4 | 2.1 | I. virginica |
141 | 6,7 | 3.1 | 5,6 | 2.4 | I. virginica |
142 | 6,9 | 3.1 | 5.1 | 2.3 | I. virginica |
143 | 5.8 | 2,7 | 5.1 | 1,9 | I. virginica |
144 | 6,8 | 3.2 | 5.9 | 2.3 | I. virginica |
145 | 6,7 | 3.3 | 5.7 | 2.5 | I. virginica |
146 | 6,7 | 3,0 | 5.2 | 2.3 | I. virginica |
147 | 6.3 | 2.5 | 5,0 | 1,9 | I. virginica |
148 | 6.5 | 3,0 | 5.2 | 2.0 | I. virginica |
149 | 6.2 | 3.4 | 5.4 | 2.3 | I. virginica |
150 | 5.9 | 3,0 | 5.1 | 1.8 | I. virginica |
El conjunto de datos de iris se usa ampliamente como un conjunto de datos para principiantes con fines de aprendizaje automático. El conjunto de datos se incluye en R base y Python en el paquete de aprendizaje automático Scikit-learn , para que los usuarios puedan acceder a él sin tener que buscar una fuente.
Código R que ilustra el uso
clase de iris ( iris ) # "data.frame"clase iris3 ( iris3 ) # "matriz"
Código Python que ilustra el uso
de sklearn.datasets importar load_irisiris = load_iris () iris
Este código da:
{ 'Datos' : array ([[ 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 ], . .. 'target' : array ([ 0 , 0 , 0 , ... 1 , 1 , 1 , ... 2 , 2 , 2 , ... 'target_names' : array ([ 'setosa' , 'versicolor' , 'virginica' ], dtype = ' '>), ... }
Se han publicado varias versiones del conjunto de datos. [8]
Ver también
- Conjuntos de datos clásicos
Referencias
- ^ RA Fisher (1936). "El uso de múltiples mediciones en problemas taxonómicos". Anales de la eugenesia . 7 (2): 179–188. doi : 10.1111 / j.1469-1809.1936.tb02137.x . hdl : 2440/15227 .
- ^ Edgar Anderson (1936). "El problema de las especies en Iris " . Anales del Jardín Botánico de Missouri . 23 (3): 457–509. doi : 10.2307 / 2394164 . JSTOR 2394164 .
- ^ Edgar Anderson (1935). "Los lirios de la Península de Gaspé". Boletín de la American Iris Society . 59 : 2-5.
- ↑ a b A. N. Gorban , A. Zinovyev. Principales variedades y gráficos en la práctica: de la biología molecular a los sistemas dinámicos , International Journal of Neural Systems, vol. 20, núm. 3 (2010) 219–232.
- ^ "Repositorio UCI Machine Learning: Iris Data Set" . archive.ics.uci.edu . Consultado el 1 de diciembre de 2017 .
- ^ Ines Färber, Stephan Günnemann, Hans-Peter Kriegel , Peer Kröger, Emmanuel Müller, Erich Schubert, Thomas Seidl, Arthur Zimek (2010). "Sobre el uso de etiquetas de clase en la evaluación de agrupaciones" (PDF) . En Xiaoli Z. Fern; Ian Davidson; Jennifer Dy (eds.). MultiClust: descubrir, resumir y usar múltiples agrupaciones . ACM SIGKDD .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ AN Gorban, NR Sumner y AY Zinovyev, Gramáticas topológicas para la aproximación de datos , Cartas de matemáticas aplicadas Volumen 20, Número 4 (2007), 382-386.
- ^ Bezdek, JC y Keller, JM y Krishnapuram, R. y Kuncheva, LI y Pal, NR (1999). "¿Se pondrán de pie los datos reales del iris?". Transacciones IEEE en sistemas difusos . 7 (3): 368–369. doi : 10.1109 / 91.771092 .CS1 maint: varios nombres: lista de autores ( enlace )
enlaces externos
- "Datos del iris de Fisher" . (Contiene dos errores que están documentados) . Repositorio de aprendizaje automático de la UCI: conjunto de datos Iris.