机器学习UCI数据库说明

男娘i 2022-04-21 17:48 551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，551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/ 138 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/ 256 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/ 162 阅读

相关机器学习之 libsvm 参数说明

因为要用svm做regression，所以看了一些关于libsvm，总结以备用 libsvm在训练model的时候，有如下参数要设置，当然有默认的参数，但是在具体应用方面效果

水深无声/ 2022年08月03日 12:41/ 0 赞/ 46 阅读

相关 UCI命令系统

《MakerRouter 创客路由教程》3.2 入门：UCI命令系统 3.2 入门：UCI命令系统 UCI命令一个众所周知的原因，在Linux下各种软件包有

电玩女神/ 2022年08月02日 09:41/ 0 赞/ 32 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/ 189 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/ 401 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/ 290 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/ 552 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/ 328 阅读