مجموعه داده گل زنبق

مجموعه داده گل زنبق ( به انگلیسی: Iris flower data set ) یا مجموعه داده زنبق فیشر یک مجموعه داده چند متغیره است که توسط رانلد فیشر، آماردان و زیست شناس بریتانیایی در سال 1936 معرفی شد. این مجموعه داده همچنین مجموعه داده زنبق اندرسون نیز نامیده می شود.
این مجموعه شامل 150 نمونه ی جمع آوری شده از گل های زنبق است که این نمونه ها 50 نمونه از هر یک از سه نوع گل زنبق را شامل می شوند. برای هر یک از نمونه ها 4 ویژگی گل زنبق اندازه گیری شده است. این ویژگی ها شامل طول و عرض کاسبرگ و گلبرگ، بر حسب سانتی متر است. بر اساس ترکیبی از این چهار ویژگی، فیشر یک مدل تشخیص خطی برای تفکیک کردن گونه های این گل از یک دیگر ایجاد کرد.
این مجموعه داده به عنوان یک مثال پرکاربرد در زمینه های آماری و یادگیری ماشین مورد استفاده قرار گرفته است.
از این مجموعه داده به عنوان یک مثال برای روش آنالیز افتراقی خطی فیشر استفاده می شود. همچنین این داده ها برای اعمال روش های طبقه بندی آماری در یادگیری ماشین، همچون ماشین بردار پشتیبان مورد استفاده قرار می گیرند.
با این حال، این مجموعه داده در روش های خوشه بندی معمولاً مورد استفاده قرار نمی گیرد. دلیل این مسئله آن است که داده های موجود در این مجموعه هنگام نمایش در فضا فقط دو خوشه ی مشخص از سه خوشه را نمایش می دهند و داده های مربوط به دو کلاس در یک دسته خوشه بندی می شوند.
مجموعه داده گل زنبق، اطلاعات مربوط به سه نوع از گل های زنبق از جمله زنبق نوک زبر، زنبق رنگارنگ و زنبق ویرجینیا را شامل می شوند که با اعمال خوشه بندی بر روی این مجموعه داده، یکی از خوشه ها حاوی نمونه های مربوط به زنبق نوک زبر و خوشه ی دیگر حاوی نمونه های مربوط به هر دو گونه زنبق رنگارنگ و زنبق ویرجینیا خواهد بود.
با این وجود هر سه گونه ی این مجموعه داده با استفاده از نگاشت غیرخطی به فضایی دیگر، قابل تفکیک هستند.
مجموعه داده گل زنبق را با استفاده از کتابخانۀ Sickit - Learn در زبان برنامه نویسی پایتون می توان به سادگی، بارگذاری و استفاده نمود.
from sklearn. datasets import load_iris dataset = load_iris ( ) خروجی این قطعه کد به صورت زیر است که مقادیر موجود در مجموعه داده به ازای هر یک از نمونه ها و اطلاعاتی راجع به مجموعه داده از جمله نام گونه های زنبق مورد استفاده، اسامی ویژگی ها و . . . است.