Conjunto de dados flor Iris

Origem: Wikipédia, a enciclopédia livre.
Gráfico de dispersão do conjunto de dados

O conjunto de dados flor Iris ou conjunto de dados Iris de Fisher é um conjunto de dados multivariados introduzido pelo estatístico e biólogo britânico Ronald Fisher em seu artigo de 1936, O uso de múltiplas medições em problemas taxonômicos,como um exemplo de análise discriminante linear . [1] Às vezes, é chamado de conjunto de dados da íris de Anderson porque Edgar Anderson coletou os dados para quantificar a variação morfológica das flores da íris de três espécies relacionadas. [2] Duas das três espécies foram coletadas na Península de Gaspé, "todas do mesmo campo, colhidas no mesmo dia e medidas ao mesmo tempo pela mesma pessoa com a mesma aparelho". [3]

O conjunto de dados consiste em 50 amostras de cada uma das três espécies de Iris ( Iris setosa, Iris virginica e Iris versicolor ). Quatro variáveis foram medidas em cada amostra: o comprimento e a largura das sépalas e pétalas, em centímetros. Com base na combinação dessas quatro características, Fisher desenvolveu um modelo discriminante linear para distinguir as espécies umas das outras.

Uso do conjunto de dados[editar | editar código-fonte]

Agrupamento de meios k insatisfatório (os dados não podem ser agrupados nas classes conhecidas) e espécies reais visualizadas usando ELKI
Um exemplo do chamado "mapa do metrô" para o conjunto de dados Iris . [4] Apenas uma pequena fração de Iris-virginica é misturada com Iris-versicolor . Todas as outras amostras das diferentes espécies de íris pertencem aos diferentes nós.

Com base no modelo discriminante linear de Fisher, esse conjunto de dados se tornou um caso de teste típico para muitas técnicas de classificação estatística em aprendizado de máquina, como máquinas de vetores de suporte . [5]

O uso desse conjunto de dados na análise de cluster, no entanto, não é comum, pois o conjunto de dados contém apenas dois clusters com uma separação bastante óbvia. Um dos aglomerados contém Iris setosa, enquanto o outro aglomerado contém Iris virginica e Iris versicolor e não é separável sem as informações de espécies utilizadas por Fisher. Isso torna o conjunto de dados um bom exemplo para explicar a diferença entre técnicas supervisionadas e não supervisionadas na mineração de dados : o modelo discriminante linear de Fisher só pode ser obtido quando as espécies de objetos são conhecidas: rótulos e agrupamentos de classes não são necessariamente os mesmos. [6]

No entanto, todas as três espécies de íris são separáveis na projeção no componente principal não linear e ramificado. [7] O conjunto de dados é aproximado pela árvore mais próxima, com alguma penalidade pelo número excessivo de nós, flexão e alongamento. Em seguida, o chamado "mapa do metrô" é construído. [4] Os pontos de dados são projetados no nó mais próximo. Para cada nó é preparado o diagrama de torta dos pontos projetados. A área da torta é proporcional ao número de pontos projetados. Fica claro no diagrama (à esquerda) que a maioria absoluta das amostras das diferentes espécies de íris pertence aos diferentes nós. Apenas uma pequena fração da Iris-virginica é misturada com Iris-versicolor (os nós azul esverdeado misturados no diagrama). Portanto, as três espécies de Iris ( Iris setosa, Iris virginica e Iris versicolor ) são separáveis pelos procedimentos não supervisionados da análise não linear de componentes principais . Para discriminá-los, basta selecionar os nós correspondentes na árvore principal.

Conjunto de dados[editar | editar código-fonte]

Iris setosa

O conjunto de dados contém um conjunto de 150 registros com cinco atributos - comprimento da sépala, largura da sépala, comprimento da pétala, largura da pétala e espécies.

Iris versicolor
Iris virginica
Biplot Spectramap do conjunto de dados de íris de Fisher
conjunto de dados Iris de Fisher
ID Comprimento sépala Largura sépala Comprimento pétala Largura pétala Especie
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
16 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 I. versicolor
52 6.4 3.2 4.5 1.5 I. versicolor
53 6.9 3.1 4.9 1.5 I. versicolor
54 5.5 2.3 4.0 1.3 I. versicolor
55 6.5 2.8 4.6 1.5 I. versicolor
56 5.7 2.8 4.5 1.3 I. versicolor
57 6.3 3.3 4.7 1.6 I. versicolor
58 4.9 2.4 3.3 1.0 I. versicolor
59 6.6 2.9 4.6 1.3 I. versicolor
60 5.2 2.7 3.9 1.4 I. versicolor
61 5.0 2.0 3.5 1.0 I. versicolor
62 5.9 3.0 4.2 1.5 I. versicolor
63 6.0 2.2 4.0 1.0 I. versicolor
64 6.1 2.9 4.7 1.4 I. versicolor
65 5.6 2.9 3.6 1.3 I. versicolor
66 6.7 3.1 4.4 1.4 I. versicolor
67 5.6 3.0 4.5 1.5 I. versicolor
68 5.8 2.7 4.1 1.0 I. versicolor
69 6.2 2.2 4.5 1.5 I. versicolor
70 5.6 2.5 3.9 1.1 I. versicolor
71 5.9 3.2 4.8 1.8 I. versicolor
72 6.1 2.8 4.0 1.3 I. versicolor
73 6.3 2.5 4.9 1.5 I. versicolor
74 6.1 2.8 4.7 1.2 I. versicolor
75 6.4 2.9 4.3 1.3 I. versicolor
76 6.6 3.0 4.4 1.4 I. versicolor
77 6.8 2.8 4.8 1.4 I. versicolor
78 6.7 3.0 5.0 1.7 I. versicolor
79 6.0 2.9 4.5 1.5 I. versicolor
80 5.7 2.6 3.5 1.0 I. versicolor
81 5.5 2.4 3.8 1.1 I. versicolor
82 5.5 2.4 3.7 1.0 I. versicolor
83 5.8 2.7 3.9 1.2 I. versicolor
84 6.0 2.7 5.1 1.6 I. versicolor
85 5.4 3.0 4.5 1.5 I. versicolor
86 6.0 3.4 4.5 1.6 I. versicolor
87 6.7 3.1 4.7 1.5 I. versicolor
88 6.3 2.3 4.4 1.3 I. versicolor
89 5.6 3.0 4.1 1.3 I. versicolor
90 5.5 2.5 4.0 1.3 I. versicolor
91 5.5 2.6 4.4 1.2 I. versicolor
92 6.1 3.0 4.6 1.4 I. versicolor
93 5.8 2.6 4.0 1.2 I. versicolor
94 5.0 2.3 3.3 1.0 I. versicolor
95 5.6 2.7 4.2 1.3 I. versicolor
96 5.7 3.0 4.2 1.2 I. versicolor
97 5.7 2.9 4.2 1.3 I. versicolor
98 6.2 2.9 4.3 1.3 I. versicolor
99 5.1 2.5 3.0 1.1 I. versicolor
100 5.7 2.8 4.1 1.3 I. 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

O conjunto de dados da íris é amplamente usado como um conjunto de dados para iniciantes para fins de aprendizado de máquina. O conjunto de dados está incluído no R (linguagem de programação) base e no Python pacote de aprendizado de máquina Scikit-learn, para que os usuários possam acessá-lo sem precisar encontrar uma fonte para ele.

O código R (linguagem de programação) seguir ilustra o uso.[editar | editar código-fonte]

iris
class(iris)
# "data.frame"

iris3
class(iris3)
#"array"

O código Python seguir ilustra o uso.[editar | editar código-fonte]

from sklearn.datasets import load_iris

iris = load_iris()
iris

Este código fornece:

{'data': 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],

Várias versões do conjunto de dados foram publicadas. [8]

Veja também[editar | editar código-fonte]

Referências[editar | editar código-fonte]

Referências

  1. R. A. Fisher (1936). «The use of multiple measurements in taxonomic problems». Annals of Eugenics. 7: 179–188. doi:10.1111/j.1469-1809.1936.tb02137.x  Parâmetro desconhecido |hdl-access= ignorado (ajuda); |hdl-access= requer |hdl= (ajuda)
  2. Edgar Anderson (1936). «The species problem in Iris». Annals of the Missouri Botanical Garden. 23: 457–509. JSTOR 2394164. doi:10.2307/2394164 
  3. Edgar Anderson (1935). «The irises of the Gaspé Peninsula». Bulletin of the American Iris Society. 59: 2–5 
  4. a b A. N. Gorban, A. Zinovyev. Principal manifolds and graphs in practice: from molecular biology to dynamical systems, International Journal of Neural Systems, Vol. 20, No. 3 (2010) 219–232.
  5. «UCI Machine Learning Repository: Iris Data Set». archive.ics.uci.edu 
  6. Ines Färber, Stephan Günnemann, Hans-Peter Kriegel, Peer Kröger, Emmanuel Müller, Erich Schubert, Thomas Seidl, Arthur Zimek (2010). (PDF) http://eecs.oregonstate.edu/research/multiclust/Evaluation-4.pdf  Em falta ou vazio |título= (ajuda)
  7. A.N. Gorban, N.R. Sumner, and A.Y. Zinovyev, Topological grammars for data approximation, Applied Mathematics Letters Volume 20, Issue 4 (2007), 382-386.
  8. Bezdek, J.C. and Keller, J.M. and Krishnapuram, R. and Kuncheva, L.I. and Pal, N.R. (1999). «Will the real iris data please stand up?». IEEE Transactions on Fuzzy Systems. 7 (3): 368–369. doi:10.1109/91.771092 

links externos[editar | editar código-fonte]