1 导入本文所有需要的库

from sklearn.datasets import load_iris  # 导入鸢尾花数据集
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LogisticRegression  # 使用逻辑回归算法
from sklearn.model_selection import train_test_split  # 将数据集划分为训练集和测试集
from sklearn.neighbors import KNeighborsClassifier  # for nearest neighbours
from sklearn import svm  # 使用支持向量机算法
from sklearn import metrics  # 用于检查模型准确率
from sklearn.tree import DecisionTreeClassifier  # 使用决策树算法
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# plt显示不出中文，解决方式，上面两个命令

IRIS数据集由Fisher在1936年整理，包含4个特征（Sepal Length（花萼长度）、Sepal Width（花萼宽度）、Petal Length（花瓣长度）、Petal Width（花瓣宽度）），特征值都为正浮点数，单位为厘米。目标值为鸢尾花的分类（Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），Iris Virginica（维吉尼亚鸢尾））

2 数据预处理

• 导入数据并将其转化为panda类型

iris = load_iris() #加载鸢尾花数据集
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)  # 将数据集转化为panda

• 将标签值也加入df中

# 在数据集中加入一列，直接在df中给这一列赋值
df['species'] = iris.target
# 目标向量
target = df['species']
# 特征矩阵
data = df.drop('species', axis=1)

• 一般当如数据之后，需要查看数据集是否有缺失值，如果有，输出所在列

# 将数据的列名转化为列表
colnames = data.columns.tolist()
# isnull是判断是否为空，如果为空就等于0，不为空就为1，
# sum 是对于每一列求和，这样不为0的值就有空值
s = data.isnull().sum()
for i in range(len(s)):
    if s[i] != 0:
        print(colnames[i]) # 若有空值则输出所在列

本数据集是没有空值的，则不做多余的处理，若有空值，还需要进行空值填充

3 数据可视化

小提琴图就是外形像小提琴的一种图。这种图用来显示数据的分布和概率密度，可以看成是箱线图和密度图的结合。小提琴图的中间部分反映箱线图的信息，图的两侧反映出密度图的信息。小提琴图常用于建模前的EDA数据探索性分析环节。小提琴图的含义：
1 分布信息
小提琴图中间的黑色粗条用来显示四分位数。黑色粗条中间的白点表示中位数，粗条的顶边和底边分别表示上四分位数和下四分位数，通过边的位置所对应的y轴的数值就可以看到四分位数的值。
由黑色粗条延伸出的黑细线表示95%的置信区间。
2 概率密度信息
从小提琴图的外形可以看到任意位置的数据密度，实际上就是旋转了90度的密度图；小提琴图越宽，表示密度越大；可以展示出数据的多个峰值。

• 画出四个特征与鸢尾花种类的小提琴图

f, axes = plt.subplots(2, 2, figsize=(8, 8), sharex=True)
sns.despine(left=True)

sns.violinplot(x='species', y='sepal length (cm)', data=df, split=True, ax=axes[0, 0])
axes[0, 0].set_title('sepal length (cm) and species', fontsize=13)

sns.violinplot(x='species', y='sepal width (cm)', data=df, ax=axes[0, 1])
axes[0, 1].set_title('sepal width (cm) and species', fontsize=13)

sns.violinplot(x='species', y='petal length (cm)', data=df, ax=axes[1, 0])
axes[1, 0].set_title('petal length (cm) and species', fontsize=13)

sns.violinplot(x='species', y='petal width (cm)', data=df, ax=axes[1, 1])
axes[1, 1].set_title('petal width (cm) and species', fontsize=13)
plt.show()

结果如图所示

从中可以看出花萼长度和花萼宽度有很大一部分的重叠，不好区别三种类型的花，而花瓣长度和花瓣宽度重叠较小，能很好的区分三种类型，初步可以判定通过花瓣长度和花瓣宽度可以辨别花朵种类

• 计算四个特征的相关系数

# 计算四个特征的相关相关系数，就这么一句就计算出各个特征之间相关性了，，，，离谱，以前以为多高大上，结果一个corr()就没了
data_corr = data.corr()
# print(data_coor)
fig, ax = plt.subplots(figsize=(6, 6), facecolor='w')
sns.heatmap(data_corr, annot=True, vmax=1, square=True, cmap="Reds", fmt='.2g')
plt.title('相关性热力图')
plt.show()

结果如图所示

• 接下来进行数据划分

# 采用简单交叉验证将数据划分为训练集（70%）和测试集（30%）
train, test = train_test_split(df, test_size=0.3)  # 给random_state参数赋值可以使得每次运行划分出来的数据集与上一次划分一样,随便赋什么值都行
# 将数据的种类和特征划分开
train_x = train[['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']]
train_y = train.species
test_x = test[['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']]
test_y = test.species

4 模型训练与测试

接下来使用了SVM支持向量机、逻辑回归、决策树、K折临近算法进行模型训练与验证，并计算预测准确率

# svm支持向量机
model = svm.SVC()  # 调用SVM模型
model.fit(train_x, train_y)  # 通过训练集来训练模型
prediction = model.predict(test_x)  # 用测试集来预测模型
accuracy = metrics.accuracy_score(prediction, test_y)
print('The accuracy of the SVM is:', accuracy)

# 逻辑回归
model = LogisticRegression()
model.fit(train_x, train_y)
prediction = model.predict(test_x)
accuracy = metrics.accuracy_score(prediction, test_y)
print('The accuracy of the Logistic Regression is:', accuracy)

# 决策树
model = DecisionTreeClassifier()
model.fit(train_x, train_y)
prediction = model.predict(test_x)
accuracy = metrics.accuracy_score(prediction, test_y)
print('The accuracy of the Decision Tree is:', accuracy)

# K折临近算法
model = KNeighborsClassifier(n_neighbors=3)
model.fit(train_x, train_y)
prediction = model.predict(test_x)
accuracy = metrics.accuracy_score(prediction, test_y)
print('The accuracy of the KNN is:', accuracy)

结果如图所示

当然不同每次运行的数据集不一样，所得准确率也不一样，并且它们区分度也不是很大，后续还可以用别的模型继续优化

此博文结合了很多大佬的博客指导，初步入门，在此多谢各位大佬们