“Fidelius示例教程”的版本间差异
跳到导航
跳到搜索
| 第20行： | 第20行： | ||
[[文件:Iris pic.15.png|600px|center]] | [[文件:Iris pic.15.png|600px|center]] | ||
Iris数据集部分展示如下： | |||
{| class="wikitable" | {| class="wikitable" | ||
|+ 标题文本 | |+ 标题文本 | ||
|- | |- | ||
! | ! !! sepal_length !! sepal_width !! petal_length !! petal_width !! species | ||
|- | |- | ||
| 示例 || 示例 || 示例 || 示例 || 示例 || 示例 | | 示例 || 示例 || 示例 || 示例 || 示例 || 示例 | ||
2022年5月11日 (三) 10:37的版本
您可以通过本页面了解如何在Fidelius中运行一个示例程序。
基于Iris数据集的K-Means聚类算法
基于Iris数据集的K-Means聚类是机器学习中一个非常经典的学习示例，这里我们介绍一下如何在Fidelius中实现这个例子。
Iris鸢尾花数据集
Iris 鸢尾花数据集内包含 3 类分别为山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica），共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度。
- sepallength：萼片长度
- sepalwidth：萼片宽度
- petallength：花瓣长度
- petalwidth：花瓣宽度
以上四个特征的单位都是厘米（cm）
Iris数据集部分展示如下：
| sepal_length | sepal_width | petal_length | petal_width | species | |
|---|---|---|---|---|---|
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |
| 示例 | 示例 | 示例 | 示例 | 示例 | 示例 |