Om die Iris-datastel wat in die voorbeeld gebruik word, te vind, kan 'n mens toegang daartoe kry deur die UCI Machine Learning Repository. Die Iris-datastel is 'n algemeen gebruikte datastel in die veld van masjienleer vir klassifikasietake, veral in opvoedkundige kontekste as gevolg van die eenvoud en doeltreffendheid daarvan om verskeie masjienleeralgoritmes te demonstreer.
Die UCI Machine Learning Repository is 'n wyd gebruikte hulpbron in die masjienleergemeenskap wat verskeie datastelle vir navorsing en opvoedkundige doeleindes huisves. Die Iris-datastel is een van die datastelle beskikbaar op die UCI-bewaarplek en kan maklik verkry word vir gebruik in jou masjienleerprojekte.
Om die Iris-datastel van die UCI Machine Learning Repository te haal, kan 'n mens hierdie stappe volg:
1. Besoek die UCI Machine Learning Repository-webwerf by https://archive.ics.uci.edu/ml/index.php.
2. Navigeer na die "Datasets"-afdeling op die webwerf.
3. Soek vir die Iris-datastel deur óf deur die beskikbare datastelle te blaai óf die soekfunksie op die webwerf te gebruik.
4. Laai dit af in 'n formaat wat versoenbaar is met gebruikte masjienleeromgewing. Die datastel is tipies beskikbaar in 'n CSV (Comma-Separated Values)-formaat, wat maklik in nutsgoed soos Python se pandas-biblioteek ingevoer kan word vir datamanipulasie en -analise.
Alternatiewelik kan 'n mens ook direk toegang tot die Iris-datastel verkry deur gewilde masjienleerbiblioteke soos scikit-learn in Python. Scikit-learn bied ingeboude funksies om die Iris-datastel te laai, wat dit gerieflik maak vir gebruikers om toegang tot die datastel te kry sonder om dit apart af te laai.
Hieronder is 'n voorbeeld-kodebrokkie in Python wat scikit-learn gebruik om die Iris-datastel te laai:
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)
Deur die bogenoemde kodebrokkie uit te voer, kan 'n mens die Iris-datastel direk in die Python-omgewing laai deur gebruik te maak van scikit-learn en begin werk met die datastel vir 'n paar praktiese masjienleertake.
Ander onlangse vrae en antwoorde t.o.v EITC/AI/GCML Google Cloud Machine Learning:
- Wat is teks na spraak (TTS) en hoe dit met KI werk?
- Wat is die beperkings om met groot datastelle in masjienleer te werk?
- Kan masjienleer 'n bietjie dialogiese hulp verleen?
- Wat is die TensorFlow-speelgrond?
- Wat beteken 'n groter datastel eintlik?
- Wat is 'n paar voorbeelde van algoritme se hiperparameters?
- Wat is ensamble learning?
- Wat as 'n gekose masjienleeralgoritme nie geskik is nie en hoe kan 'n mens seker maak om die regte een te kies?
- Benodig 'n masjienleermodel toesig tydens sy opleiding?
- Wat is die sleutelparameters wat in neurale netwerkgebaseerde algoritmes gebruik word?
Bekyk meer vrae en antwoorde in EITC/AI/GCML Google Cloud Machine Learning