人工智能之数据预处理（以Iris鸢尾花数据集为例）
首先小关简单介绍一下Iris鸢尾花数据集是经典的例子，在统计学习和机器学习领域常做示例
环境要求anaconda-->sklearn-->jupyternotebook
1.Iris数据加载，从sklearn库中导出数据
2.iris数据展示，Iris鸢尾花分3类花有150条记录
3.展示数据含义，这些数据是什么意思呢，我们来打印一下
4.每条数据有四个特征分别代表的是花萼长度，花萼宽度，花瓣长度，花瓣宽度，单位cm
5.展示预测结果，根据上面四个特征反馈告诉我们属于哪种花
6.上面数据0，1，2分别代表三个不同品种的花，具体是什么品种呢，我们来打印一下
7.接下来我们要确定数据的类型是什么，展示为numpy.ndarray类型
8.接下来我们要确定一下数据的维度（数据有几行几列）是否一致
9.上面展示了特征有150行，4列；品种有150行，1列。
10.最后为了方便调用，我们把数据换成X输入Y输出的对应函数
11.打印x,y就可以快速得到我们想要的数据了
12.到这里Iris鸢尾花数据的预处理也就完成了
希望能帮到大家，问你们要一个赞，你们会给吗，谢谢大家版权声明：本文版权归作者（@攻城狮小关）和CSDN共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。大家写文都不容易，请尊重劳动成果~ 交流加Q：1909561302博客园地址https://www.cnblogs.com/guanguan-com/
人工智能(AI)之模型训练是什么
在机器学习中，经常听到一个词：“模型训练”，不禁疑惑：模型是什么东西？怎么样训练的？训练后得到的结果是什么？
下面用图简单描述个人理解：
在人工智能中，面对大量用户输入的数据/素材，如果要在杂乱无章的内容准确、容易地识别，输出我们期待输出的图像/语音，并不是那么容易的。因此算法就显得尤为重要了。算法就是我们所说的模型。
当然，算法的内容，除了核心识别引擎，也包括各种配置参数，例如：语音智能识别的比特率、采样率、音色、音调、音高、音频、抑扬顿挫、方言、噪音等乱七八糟的参数。成熟的识别引擎，核心内容一般不会经常变化的，为实现”识别成功“这一目标，我们只能对配置参数去做调整。对于不同的输入，我们会配置不同参数值，最后在结果统计取一个各方比较均衡、识别率较高的一组参数值，这组参数值，就是我们训练后得到的结果，这就是训练的过程，也叫模型训练。
所以：
模型=算法
训练=为达成高识别率的目标，使用大数据，找出最优配置参数的过程
结果=确定参数配置，实现高识别率
常用的人工智能数据集简介
下面的数据集,主要是学术界使用的，工业界使用的数据集一般不公开下载不到。
1.CIFAR-10CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。以下是数据集中的类，以及来自每个类的10个随机图像：下载地址：http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
2.CIFAR-100：这个数据集就像CIFAR-10，除了它有100个类，每个类包含600个图像。，每类各有500个训练图像和100个测试图像。CIFAR-100中的100个类被分成20个超类。每个图像都带有一个“精细”标签（它所属的类）和一个“粗糙”标签（它所属的超类）下载地址：http://www.cs.toronto.edu/~kriz/cifar-100-python.tar.gz
3.MNIST：MNIST数据集来自美国国家标准与技术研究所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局(theCensusBureau)的工作人员.测试集(testset)也是同样比例的手写数字数据.
MNIST数据集可在http://yann.lecun.com/exdb/mnist/获取,它包含了四个部分:
Trainingsetimages:train-images-idx3-ubyte.gz(9.9MB,解压后47MB,包含60,000个样本)Trainingsetlabels:train-labels-idx1-ubyte.gz(29KB,解压后60KB,包含60,000个标签)Testsetimages:t10k-images-idx3-ubyte.gz(1.6MB,解压后7.8MB,包含10,000个样本)Testsetlabels:t10k-labels-idx1-ubyte.gz(5KB,解压后10KB,包含10,000个标签)
4.SVHN：SVHN数据集是斯坦福大学开发出来的，包含train文件接，test文件夹以及extra文件夹。分别包含33402、13068、202353个标记图片。
5.Caltech：Caltech数据集主要包括2类，一类是Caltech-101；另一类是Caltech-256。
Caltech-101这个数据集包含了101类的图像，每类大约有40~800张图像，大部分是50张/类；在2003年由lifeifei收集，每张图像的大小大约是300x200。
Caltech-256此数据集和Caltech-101相似，包含了30,607张图像。
下载地址：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/datasets/USA/
6.Imagenet
Imagenet数据集有1400多万幅图片，涵盖2万多个类别；其中有超过百万的图片有明确的类别标注和图像中物体位置的标注，具体信息如下：1）Totalnumberofnon-emptysynsets:218412）Totalnumberofimages:14,197,1223）Numberofimageswithboundingboxannotations:1,034,9084）NumberofsynsetswithSIFTfeatures:10005）NumberofimageswithSIFTfeatures:1.2millionImagenet数据集是目前深度学习图像领域应用得非常多的一个领域，关于图像分类、定位、检测等研究工作大多基于此数据集展开。Imagenet数据集文档详细，有专门的团队维护，使用非常方便，在计算机视觉领域研究论文中应用非常广，几乎成为了目前深度学习图像领域算法性能检验的“标准”数据集。
迅雷打开验证集http://academictorrents.com/download/5d6d0df7ed81efd49ca99ea4737e0ae5e3a5f2e5.torrent训练集http://academictorrents.com/download/a306397ccf9c2ead27155983c254227c0fd938e2.torrent
https://blog.csdn.net/weixin_41043240/article/details/80305311