机器学习UCI数据库说明

男娘i 2022-04-21 17:48 448阅读 0赞

http://archive.ics.uci.edu/ml/

数据库是加州大学欧文分校(UniversityofCaliforniaIrvine)提出的用于机器学习的数据库，这个数据库目前共有187个数据集，其数目还在不断增加，UCI数据集是一个常用的标准测试数据集。

UCI上的“MultipleFeatures”数据库,这是一个手写数字识别问题,其中每个数字的数字化图像由6组共649个特征表示。

UCI数据可以使用matlab的dlmread（或textread或者利用matlab的导入数据）读取，不过，需要先将不是数字的类别用数字，比如1/2/3等替换，否则读入不了数值，当字符了。

每个数据文件（\*.data）包含以“属性\-值”对形式描述的很多个体样本的记录。对应的\*.info文件包含的大量的文档资料。（有些文件\_generate\_ databases；他们不包含\*.data文件。）作为数据集和领域知识的补充，在utilities目录里包含了一些在使用这一数据集时的有用资料。

下面以UCI中IRIS为例介绍一下数据集：

ucidata\\iris中有三个文件：

Index

iris.data

iris.names

index为文件夹目录，列出了本文件夹里的所有文件，如iris中index的内容如下：

Index of iris

18 Mar 1996      105 Index

08 Mar 1993     4551 iris.data

30 May 1989     2604 iris.names

iris.data为iris数据文件，内容如下：

5.1,3.5,1.4,0.2,Iris-setosa

4.9,3.0,1.4,0.2,Iris-setosa

4.7,3.2,1.3,0.2,Iris-setosa

……

7.0,3.2,4.7,1.4,Iris-versicolor

6.9,3.1,4.9,1.5,Iris-versicolor

……

6.3,3.3,6.0,2.5,Iris-virginica

6.4,3.2,4.5,1.5,Iris-versicolor

5.8,2.7,5.1,1.9,Iris-virginica

7.1,3.0,5.9,2.1,Iris-virginica

……

如上，属性直接以逗号隔开，中间没有空格（5.1,3.5,1.4,0.2,），最后一列为本行属性对应的值，即决策属性Iris-setosa

。

iris.names介绍了irir数据的一些相关信息，如数据标题、数据来源、以前使用情况、最近信息、实例数目、实例的属性等，如下所示部分：

……

7. Attribute Information:

1. sepal length in cm

2. sepal width in cm

3. petal length in cm

4. petal width in cm

5. class:

-- Iris Setosa

-- Iris Versicolour

-- Iris Virginica

……

9. Class Distribution: 33.3% for each of 3 classes.

本数据的使用实例请参考其他论文，或本站后面的内容。

下面以wine数据为例导入matlab并利用前面提到的libsvm做测试

>> uiimport('wine.data')

导入数据，workspace处出现wine数组178\*14

将标签和数据属性提取，并保存到matlab平台下的数据

>> wine\_label = wine(:,1);

>> wine\_data = wine(:,2:end);

>> save winedat.mat

（下次使用的时候可以直接>> load winedat）

svm训练模型得到wine模型

>> modelw = svmtrain(wine\_label,wine\_data);

.\*

optimization finished, \#iter = 239

nu = 0.892184

obj = -61.125695, rho = 0.131965

nSV = 130, nBSV = 53

.\*

optimization finished, \#iter = 193

nu = 0.882853

obj = -50.421538, rho = -0.166754

nSV = 107, nBSV = 42

.\*

optimization finished, \#iter = 214

nu = 0.800233

obj = -53.411663, rho = -0.286931

nSV = 119, nBSV = 44

Total nSV = 178

分类结果

>> \[plabelw, accuracyw\] = svmpredict(wine\_label,wine\_data,modelw);

Accuracy = 100% (178/178) (classification

发表评论取消回复

表情：

评论列表（有 0 条评论，448人围观）

还没有评论，来说两句吧...

相关阅读

相关【机器学习】Yellowbrick 包的理解和说明

文章目录一、介绍二、Visualizers 2.1 Classification Visualization 2.2 Clust

小咪咪/ 2023年09月27日 22:42/ 0 赞/ 44 阅读

相关【机器学习】机器学习基础

一、机器学习概述 1、机器学习算法的判别依据 —— 数据类型 1. 离散型数据：由记录不同类别个体的数目所得到的数据，又称计数数据，所有这些数据全部都是整数，而且

快来打我*/ 2022年12月27日 07:11/ 0 赞/ 162 阅读

相关 UCI添加命名段

背景使用`OPENWRT`的参数配置系统`uci`的时候，如果要在一个配置文件下创建不同的命名域发现该系统未提供直接方法；配置文件命名段和选项不同，通过set指令设置选

深藏阁楼爱情的钟/ 2022年09月16日 14:14/ 0 赞/ 156 阅读

相关 uci使用

注意1 section(TypedSection, "login", "")第二个参数为config文件中的login必须相同“login”必须存在 config l

小咪咪/ 2022年08月04日 12:44/ 0 赞/ 106 阅读

相关 uci学习

uci配置管理的工具通过help我们可以看到提供了一下的功能；除了uci还可以使用libuci来开发应用程序解析uci；不知道效率如何。可以拿一个大的文件来实验；今

冷不防/ 2022年07月17日 01:46/ 0 赞/ 127 阅读

相关机器学习|机器学习方法

Stanford Ng课程（Coursera）正在进行中涉及到偏复杂的概率论的知识点都没讲。编程方面注重向量化实现，几乎每个coding assignment

以你之姓@/ 2022年07月13日 00:14/ 0 赞/ 282 阅读

相关【机器学习】MATLAB读取mnist数据库

原文出处：http://blog.csdn.net/tracer9/article/details/51253604 最近要做《优化理论基础》的课程大作业，需要用到mnist

àì夳堔傛蜴生んèń/ 2022年07月03日 12:21/ 0 赞/ 187 阅读

相关 [openwrt] UCI @WifiInfo[0]

[https://www.cnblogs.com/tfanalysis/p/3688080.html][https_www.cnblogs.com_tfanalysis_p_3

清疚/ 2022年05月21日 09:18/ 0 赞/ 130 阅读

相关机器学习UCI数据库说明

http://archive.ics.uci.edu/ml/ 数据库是加州大学欧文分校(UniversityofCaliforniaIrvine)提出的用于机器学习的数

男娘i/ 2022年04月21日 17:48/ 0 赞/ 449 阅读

相关机器学习入门之二：一个故事说明什么是机器学习（转载）

　　转自 [飞鸟各投林][Link 1] 　　一个故事说明什么是机器学习　　　　机器学习这个词是让人疑惑的，首先它是英文名称Machine Learning(简称ML

港控/mmm°/ 2022年01月06日 04:21/ 0 赞/ 240 阅读