Per trobar el conjunt de dades Iris utilitzat a l'exemple, podeu accedir-hi a través del dipòsit d'aprenentatge automàtic de l'UCI. El conjunt de dades Iris és un conjunt de dades que s'utilitza habitualment en el camp de l'aprenentatge automàtic per a tasques de classificació, especialment en contextos educatius per la seva simplicitat i eficàcia per demostrar diversos algorismes d'aprenentatge automàtic.
L'UCI Machine Learning Repository és un recurs àmpliament utilitzat a la comunitat d'aprenentatge automàtic que allotja diversos conjunts de dades amb finalitats educatives i de recerca. El conjunt de dades Iris és un dels conjunts de dades disponibles al repositori UCI i es pot accedir fàcilment per utilitzar-lo en els vostres projectes d'aprenentatge automàtic.
Per recuperar el conjunt de dades Iris del dipòsit d'aprenentatge automàtic de l'UCI, podeu seguir aquests passos:
1. Visiteu el lloc web de l'UCI Machine Learning Repository a https://archive.ics.uci.edu/ml/index.php.
2. Navegueu a la secció "Conjunts de dades" del lloc web.
3. Cerqueu el conjunt de dades Iris navegant pels conjunts de dades disponibles o utilitzant la funcionalitat de cerca del lloc web.
4. Baixeu-lo en un format compatible amb l'entorn d'aprenentatge automàtic utilitzat. El conjunt de dades normalment està disponible en un format CSV (valors separats per comes), que es pot importar fàcilment a eines com la biblioteca pandas de Python per a la manipulació i anàlisi de dades.
Alternativament, també es pot accedir al conjunt de dades Iris directament a través de biblioteques populars d'aprenentatge automàtic com scikit-learn a Python. Scikit-learn proporciona funcions integrades per carregar el conjunt de dades Iris, cosa que fa que sigui convenient que els usuaris accedeixin al conjunt de dades sense haver de descarregar-lo per separat.
A continuació es mostra un fragment de codi d'exemple a Python amb scikit-learn per carregar el conjunt de dades Iris:
python from sklearn.datasets import load_iris # Load the Iris dataset iris = load_iris() # Access the features and target labels X = iris.data y = iris.target # Print the shape of the dataset print("Shape of the Iris dataset:", X.shape)
En executar el fragment de codi anterior, es pot carregar el conjunt de dades Iris directament a l'entorn Python mitjançant scikit-learn i començar a treballar amb el conjunt de dades per a algunes tasques d'aprenentatge automàtic.
Altres preguntes i respostes recents sobre EITC/AI/GCML Google Cloud Machine Learning:
- Què és el text a veu (TTS) i com funciona amb IA?
- Quines són les limitacions de treballar amb grans conjunts de dades en l'aprenentatge automàtic?
- L'aprenentatge automàtic pot fer una mica d'ajuda dialògica?
- Què és el pati TensorFlow?
- Què significa realment un conjunt de dades més gran?
- Quins són alguns exemples d'hiperparàmetres d'algorisme?
- Què és l'aprenentatge ensamble?
- Què passa si un algorisme d'aprenentatge automàtic escollit no és adequat i com es pot assegurar-se de seleccionar-ne l'adequat?
- Un model d'aprenentatge automàtic necessita supervisió durant la seva formació?
- Quins són els paràmetres clau utilitzats en algorismes basats en xarxes neuronals?
Consulta més preguntes i respostes a EITC/AI/GCML Google Cloud Machine Learning