Dane referencyjne · 150 wierszy · 4 cech
Iris (irysy Fishera)
150 kwiatów irysa z trzech gatunków (setosa, versicolor, virginica), po 50 z każdego, z czterema pomiarami: długość i szerokość działki kielicha oraz płatka. Zbiór Ronalda Fishera z 1936 roku.
Dlaczego ten zbiór
Mały, czysty i dwuwymiarowo „widoczny”: setosa oddziela się jedną prostą, versicolor i virginica nachodzą na siebie. Idealny do klasyfikacji, klastrowania i PCA.
Podgląd
| sepal length (cm) | sepal width (cm) | petal length (cm) | petal width (cm) | target |
|---|---|---|---|---|
| 5,1 | 3,5 | 1,4 | 0,2 | 0 |
| 4,9 | 3 | 1,4 | 0,2 | 0 |
| 4,7 | 3,2 | 1,3 | 0,2 | 0 |
| 4,6 | 3,1 | 1,5 | 0,2 | 0 |
| 5 | 3,6 | 1,4 | 0,2 | 0 |
| 5,4 | 3,9 | 1,7 | 0,4 | 0 |
| 4,6 | 3,4 | 1,4 | 0,3 | 0 |
| 5 | 3,4 | 1,5 | 0,2 | 0 |
Kolumny
| Kolumna | Znaczenie | Typ | Braki | Zakres / najczęstsze |
|---|---|---|---|---|
sepal length (cm) | długość działki kielicha | liczba | 0 | 4,3 – 7,9 (średnia 5,84) |
sepal width (cm) | szerokość działki kielicha | liczba | 0 | 2 – 4,4 (średnia 3,06) |
petal length (cm) | długość płatka | liczba | 0 | 1 – 6,9 (średnia 3,76) |
petal width (cm) | szerokość płatka | liczba | 0 | 0,1 – 2,5 (średnia 1,2) |
target | gatunek: 0 setosa, 1 versicolor, 2 virginica | kategorie (liczby) | 0 | 0, 1, 2 |
Źródło i licencja
Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics 7(2). UCI Machine Learning Repository. Licencja: CC BY 4.0. Strona zbioru.
Hasła, w których pojawia się ten zbiór
Wektory i przestrzenie wektoroweWektor to uporządkowana lista liczb, którą można dodawać i skalować. W ML każdy przykład jest punktem w przestrzeni cech, a podobieństwo staje się odległością.Iloczyn skalarny i podobieństwo kosinusowe InteraktywneIloczyn skalarny mierzy, jak bardzo dwa wektory wskazują w tę samą stronę. Podzielony przez ich długości daje podobieństwo kosinusowe od −1 do 1.Macierze jako przekształceniaMacierz to przepis na przekształcenie przestrzeni: obraca, rozciąga, rzutuje. Mnożenie macierzy przez wektor przenosi punkt, a warstwa sieci robi to samo.Wektory i wartości własne InteraktywneWektor własny to kierunek, który macierz tylko rozciąga, nie obracając go. Wartość własna mówi, jak mocno. Na tym opiera się PCA i analiza dynamiki.Regresja logistyczna czy drzewo decyzyjneRegresja logistyczna wygrywa, gdy wpływ cech jest w miarę liniowy i potrzebne są wiarygodne prawdopodobieństwa. Drzewo wygrywa przy progach i interakcjach.Współczynnik silhouette InteraktywneSilhouette porównuje, jak blisko punkt jest własnego klastra, a jak blisko najbliższego obcego. Ocenia konkretny podział, nie dane — dlatego zmienia się z k.Klasteryzacja hierarchicznaKlasteryzacja hierarchiczna łączy punkty krok po kroku w coraz większe grupy i rysuje z tego drzewo – dendrogram. Liczbę grup wybierasz dopiero na końcu.K-średnich czy DBSCANK-średnich dzieli dane na k zwartych, kulistych grup i przypisuje każdy punkt. DBSCAN szuka gęstych obszarów dowolnego kształtu i odrzuca punkty-szum.Perceptron (sztuczny neuron)Perceptron to najprostszy sztuczny neuron: liczy sumę ważoną wejść plus bias i zwraca 1, gdy przekracza ona zero. Dzieli przestrzeń cech hiperpłaszczyzną.Jak wybrać model uczenia maszynowegoNie ma modelu najlepszego zawsze. Zacznij od punktu odniesienia i modelu liniowego, dodaj las lub boosting, a wybór rozstrzygnij walidacją krzyżową.Twierdzenie „nie ma darmowego lunchu”Uśredniony po wszystkich możliwych problemach żaden algorytm uczenia nie jest lepszy od innego. Przewaga zawsze bierze się z założeń dopasowanych do danych.Twierdzenie o zbieżności perceptronuJeśli dane są liniowo separowalne z marginesem γ, perceptron znajdzie granicę bezbłędną po co najwyżej (R/γ)² poprawkach, niezależnie od liczby przykładów.