مجموعة بيانات زهرة السوسن
تُعرف مجموعة بيانات زهرة السوسن ، أو مجموعة بيانات فيشر للسوسن، بأنها مجموعة بيانات متعددة المتغيرات، استخدمها وأشهرها عالم الإحصاء والأحياء البريطاني رونالد فيشر في بحثه المنشور عام 1936 بعنوان " استخدام القياسات المتعددة في المشكلات التصنيفية كمثال على تحليل التمييز الخطي " . [ 1 ] وتُسمى أحيانًا مجموعة بيانات أندرسون للسوسن، نسبةً إلى إدغار أندرسون الذي جمع البيانات لتحديد التباين المورفولوجي لأزهار السوسن لثلاثة أنواع متقاربة. [ 2 ] وقد جُمع نوعان من الأنواع الثلاثة في شبه جزيرة غاسبيه ، "جميعها من المرعى نفسه، وقُطفت في اليوم نفسه، وقُيست في الوقت نفسه من قِبل الشخص نفسه وباستخدام الجهاز نفسه". [ 3 ]
تتألف مجموعة البيانات من 50 عينة من كل نوع من الأنواع الثلاثة لنبات السوسن ( Iris setosa و Iris virginica و Iris versicolor ). تم قياس أربع خصائص من كل عينة: طول وعرض السبلات والبتلات ، بالسنتيمتر. بناءً على دمج هذه الخصائص الأربع، طور فيشر نموذجًا تمييزيًا خطيًا لتمييز كل نوع. نُشرت ورقة فيشر البحثية في مجلة حوليات تحسين النسل (التي تُعرف اليوم باسم حوليات علم الوراثة البشرية ). [ 1 ]
استخدام مجموعة البيانات
استُخدمت في الأصل كمجموعة بيانات مثال تم تطبيق تحليل التمييز الخطي لفيشر عليها ، وأصبحت حالة اختبار نموذجية للعديد من تقنيات التصنيف الإحصائي في التعلم الآلي مثل آلات المتجهات الداعمة . [ 5 ]
مع ذلك ، فإن استخدام هذه المجموعة من البيانات في تحليل التجميع ليس شائعًا، نظرًا لاحتوائها على مجموعتين فقط بفصل واضح. إحدى المجموعتين تضم زهرة السوسن سيتوسا ، بينما تضم الأخرى كلاً من زهرة السوسن فيرجينيكا وزهرة السوسن فيرسيكولور ، ولا يمكن فصلها دون معرفة أنواع النباتات التي استخدمها فيشر. هذا يجعل مجموعة البيانات مثالًا جيدًا لتوضيح الفرق بين تقنيات التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف في استخراج البيانات : لا يمكن الحصول على نموذج التمييز الخطي لفيشر إلا عند معرفة أنواع النباتات المستهدفة، إذ لا تتطابق تصنيفات الفئات مع المجموعات بالضرورة. [ 6 ]
مع ذلك، يمكن فصل الأنواع الثلاثة من زهرة السوسن في إسقاطها على المكون الرئيسي غير الخطي والمتفرع. [ 7 ] يتم تقريب مجموعة البيانات باستخدام أقرب شجرة مع فرض عقوبة على العدد الزائد من العقد، والانحناء، والتمدد. ثم يتم إنشاء ما يسمى بـ "خريطة المترو". [ 4 ] يتم إسقاط نقاط البيانات على أقرب عقدة. لكل عقدة، يتم إعداد مخطط دائري للنقاط المسقطة. تتناسب مساحة الدائرة مع عدد النقاط المسقطة. يتضح من المخطط (يسار) أن الغالبية العظمى من عينات أنواع السوسن المختلفة تنتمي إلى العقد المختلفة. جزء صغير فقط من زهرة السوسن العذرية مختلط مع زهرة السوسن الملون (العقد الزرقاء والخضراء المختلطة في المخطط). لذلك، يمكن فصل الأنواع الثلاثة من زهرة السوسن ( Iris setosa ، و Iris virginica ، و Iris versicolor ) من خلال إجراءات تحليل المكونات الرئيسية غير الخطية غير الخاضعة للإشراف . ولتمييزها، يكفي فقط تحديد العقد المقابلة على الشجرة الرئيسية.
مجموعة البيانات
تحتوي مجموعة البيانات على مجموعة من 150 سجلاً تحت خمسة سمات: طول السبلة، وعرض السبلة، وطول البتلة، وعرض البتلة، والنوع.
| ترتيب مجموعة البيانات | طول الحاجز | عرض الكأس | طول البتلة | عرض البتلة | صِنف |
|---|---|---|---|---|---|
| 1 | 5.1 | 3.5 | 1.4 | 0.2 | I. setosa |
| 2 | 4.9 | 3.0 | 1.4 | 0.2 | I. setosa |
| 3 | 4.7 | 3.2 | 1.3 | 0.2 | I. setosa |
| 4 | 4.6 | 3.1 | 1.5 | 0.2 | I. setosa |
| 5 | 5.0 | 3.6 | 1.4 | 0.3 | I. setosa |
| 6 | 5.4 | 3.9 | 1.7 | 0.4 | I. setosa |
| 7 | 4.6 | 3.4 | 1.4 | 0.3 | I. setosa |
| 8 | 5.0 | 3.4 | 1.5 | 0.2 | I. setosa |
| 9 | 4.4 | 2.9 | 1.4 | 0.2 | I. setosa |
| 10 | 4.9 | 3.1 | 1.5 | 0.1 | I. setosa |
| 11 | 5.4 | 3.7 | 1.5 | 0.2 | I. setosa |
| 12 | 4.8 | 3.4 | 1.6 | 0.2 | I. setosa |
| 13 | 4.8 | 3.0 | 1.4 | 0.1 | I. setosa |
| 14 | 4.3 | 3.0 | 1.1 | 0.1 | I. setosa |
| 15 | 5.8 | 4.0 | 1.2 | 0.2 | I. setosa |
| 16 | 5.7 | 4.4 | 1.5 | 0.4 | I. setosa |
| 17 | 5.4 | 3.9 | 1.3 | 0.4 | I. setosa |
| 18 | 5.1 | 3.5 | 1.4 | 0.3 | I. setosa |
| 19 | 5.7 | 3.8 | 1.7 | 0.3 | I. setosa |
| 20 | 5.1 | 3.8 | 1.5 | 0.3 | I. setosa |
| 21 | 5.4 | 3.4 | 1.7 | 0.2 | I. setosa |
| 22 | 5.1 | 3.7 | 1.5 | 0.4 | I. setosa |
| 23 | 4.6 | 3.6 | 1.0 | 0.2 | I. setosa |
| 24 | 5.1 | 3.3 | 1.7 | 0.5 | I. setosa |
| 25 | 4.8 | 3.4 | 1.9 | 0.2 | I. setosa |
| 26 | 5.0 | 3.0 | 1.6 | 0.2 | I. setosa |
| 27 | 5.0 | 3.4 | 1.6 | 0.4 | I. setosa |
| 28 | 5.2 | 3.5 | 1.5 | 0.2 | I. setosa |
| 29 | 5.2 | 3.4 | 1.4 | 0.2 | I. setosa |
| 30 | 4.7 | 3.2 | 1.6 | 0.2 | I. setosa |
| 31 | 4.8 | 3.1 | 1.6 | 0.2 | I. setosa |
| 32 | 5.4 | 3.4 | 1.5 | 0.4 | I. setosa |
| 33 | 5.2 | 4.1 | 1.5 | 0.1 | I. setosa |
| 34 | 5.5 | 4.2 | 1.4 | 0.2 | I. setosa |
| 35 | 4.9 | 3.1 | 1.5 | 0.2 | I. setosa |
| 36 | 5.0 | 3.2 | 1.2 | 0.2 | I. setosa |
| 37 | 5.5 | 3.5 | 1.3 | 0.2 | I. setosa |
| 38 | 4.9 | 3.6 | 1.4 | 0.1 | I. setosa |
| 39 | 4.4 | 3.0 | 1.3 | 0.2 | I. setosa |
| 40 | 5.1 | 3.4 | 1.5 | 0.2 | I. setosa |
| 41 | 5.0 | 3.5 | 1.3 | 0.3 | I. setosa |
| 42 | 4.5 | 2.3 | 1.3 | 0.3 | I. setosa |
| 43 | 4.4 | 3.2 | 1.3 | 0.2 | I. setosa |
| 44 | 5.0 | 3.5 | 1.6 | 0.6 | I. setosa |
| 45 | 5.1 | 3.8 | 1.9 | 0.4 | I. setosa |
| 46 | 4.8 | 3.0 | 1.4 | 0.3 | I. setosa |
| 47 | 5.1 | 3.8 | 1.6 | 0.2 | I. setosa |
| 48 | 4.6 | 3.2 | 1.4 | 0.2 | I. setosa |
| 49 | 5.3 | 3.7 | 1.5 | 0.2 | I. setosa |
| 50 | 5.0 | 3.3 | 1.4 | 0.2 | I. setosa |
| 51 | 7.0 | 3.2 | 4.7 | 1.4 | I. versicolor |
| 52 | 6.4 | 3.2 | 4.5 | 1.5 | I. versicolor |
| 53 | 6.9 | 3.1 | 4.9 | 1.5 | I. versicolor |
| 54 | 5.5 | 2.3 | 4.0 | 1.3 | I. versicolor |
| 55 | 6.5 | 2.8 | 4.6 | 1.5 | I. versicolor |
| 56 | 5.7 | 2.8 | 4.5 | 1.3 | I. versicolor |
| 57 | 6.3 | 3.3 | 4.7 | 1.6 | I. versicolor |
| 58 | 4.9 | 2.4 | 3.3 | 1.0 | I. versicolor |
| 59 | 6.6 | 2.9 | 4.6 | 1.3 | I. versicolor |
| 60 | 5.2 | 2.7 | 3.9 | 1.4 | I. versicolor |
| 61 | 5.0 | 2.0 | 3.5 | 1.0 | I. versicolor |
| 62 | 5.9 | 3.0 | 4.2 | 1.5 | I. versicolor |
| 63 | 6.0 | 2.2 | 4.0 | 1.0 | I. versicolor |
| 64 | 6.1 | 2.9 | 4.7 | 1.4 | I. versicolor |
| 65 | 5.6 | 2.9 | 3.6 | 1.3 | I. versicolor |
| 66 | 6.7 | 3.1 | 4.4 | 1.4 | I. versicolor |
| 67 | 5.6 | 3.0 | 4.5 | 1.5 | I. versicolor |
| 68 | 5.8 | 2.7 | 4.1 | 1.0 | I. versicolor |
| 69 | 6.2 | 2.2 | 4.5 | 1.5 | I. versicolor |
| 70 | 5.6 | 2.5 | 3.9 | 1.1 | I. versicolor |
| 71 | 5.9 | 3.2 | 4.8 | 1.8 | I. versicolor |
| 72 | 6.1 | 2.8 | 4.0 | 1.3 | I. versicolor |
| 73 | 6.3 | 2.5 | 4.9 | 1.5 | I. versicolor |
| 74 | 6.1 | 2.8 | 4.7 | 1.2 | I. versicolor |
| 75 | 6.4 | 2.9 | 4.3 | 1.3 | I. versicolor |
| 76 | 6.6 | 3.0 | 4.4 | 1.4 | I. versicolor |
| 77 | 6.8 | 2.8 | 4.8 | 1.4 | I. versicolor |
| 78 | 6.7 | 3.0 | 5.0 | 1.7 | I. versicolor |
| 79 | 6.0 | 2.9 | 4.5 | 1.5 | I. versicolor |
| 80 | 5.7 | 2.6 | 3.5 | 1.0 | I. versicolor |
| 81 | 5.5 | 2.4 | 3.8 | 1.1 | I. versicolor |
| 82 | 5.5 | 2.4 | 3.7 | 1.0 | I. versicolor |
| 83 | 5.8 | 2.7 | 3.9 | 1.2 | I. versicolor |
| 84 | 6.0 | 2.7 | 5.1 | 1.6 | I. versicolor |
| 85 | 5.4 | 3.0 | 4.5 | 1.5 | I. versicolor |
| 86 | 6.0 | 3.4 | 4.5 | 1.6 | I. versicolor |
| 87 | 6.7 | 3.1 | 4.7 | 1.5 | I. versicolor |
| 88 | 6.3 | 2.3 | 4.4 | 1.3 | I. versicolor |
| 89 | 5.6 | 3.0 | 4.1 | 1.3 | I. versicolor |
| 90 | 5.5 | 2.5 | 4.0 | 1.3 | I. versicolor |
| 91 | 5.5 | 2.6 | 4.4 | 1.2 | I. versicolor |
| 92 | 6.1 | 3.0 | 4.6 | 1.4 | I. versicolor |
| 93 | 5.8 | 2.6 | 4.0 | 1.2 | I. versicolor |
| 94 | 5.0 | 2.3 | 3.3 | 1.0 | I. versicolor |
| 95 | 5.6 | 2.7 | 4.2 | 1.3 | I. versicolor |
| 96 | 5.7 | 3.0 | 4.2 | 1.2 | I. versicolor |
| 97 | 5.7 | 2.9 | 4.2 | 1.3 | I. versicolor |
| 98 | 6.2 | 2.9 | 4.3 | 1.3 | I. versicolor |
| 99 | 5.1 | 2.5 | 3.0 | 1.1 | I. versicolor |
| 100 | 5.7 | 2.8 | 4.1 | 1.3 | I. versicolor |
| 101 | 6.3 | 3.3 | 6.0 | 2.5 | I. virginica |
| 102 | 5.8 | 2.7 | 5.1 | 1.9 | I. virginica |
| 103 | 7.1 | 3.0 | 5.9 | 2.1 | I. virginica |
| 104 | 6.3 | 2.9 | 5.6 | 1.8 | I. virginica |
| 105 | 6.5 | 3.0 | 5.8 | 2.2 | I. virginica |
| 106 | 7.6 | 3.0 | 6.6 | 2.1 | I. virginica |
| 107 | 4.9 | 2.5 | 4.5 | 1.7 | I. virginica |
| 108 | 7.3 | 2.9 | 6.3 | 1.8 | I. virginica |
| 109 | 6.7 | 2.5 | 5.8 | 1.8 | I. virginica |
| 110 | 7.2 | 3.6 | 6.1 | 2.5 | I. virginica |
| 111 | 6.5 | 3.2 | 5.1 | 2.0 | I. virginica |
| 112 | 6.4 | 2.7 | 5.3 | 1.9 | I. virginica |
| 113 | 6.8 | 3.0 | 5.5 | 2.1 | I. virginica |
| 114 | 5.7 | 2.5 | 5.0 | 2.0 | I. virginica |
| 115 | 5.8 | 2.8 | 5.1 | 2.4 | I. virginica |
| 116 | 6.4 | 3.2 | 5.3 | 2.3 | I. virginica |
| 117 | 6.5 | 3.0 | 5.5 | 1.8 | I. virginica |
| 118 | 7.7 | 3.8 | 6.7 | 2.2 | I. virginica |
| 119 | 7.7 | 2.6 | 6.9 | 2.3 | I. virginica |
| 120 | 6.0 | 2.2 | 5.0 | 1.5 | I. virginica |
| 121 | 6.9 | 3.2 | 5.7 | 2.3 | I. virginica |
| 122 | 5.6 | 2.8 | 4.9 | 2.0 | I. virginica |
| 123 | 7.7 | 2.8 | 6.7 | 2.0 | I. virginica |
| 124 | 6.3 | 2.7 | 4.9 | 1.8 | I. virginica |
| 125 | 6.7 | 3.3 | 5.7 | 2.1 | I. virginica |
| 126 | 7.2 | 3.2 | 6.0 | 1.8 | I. virginica |
| 127 | 6.2 | 2.8 | 4.8 | 1.8 | I. virginica |
| 128 | 6.1 | 3.0 | 4.9 | 1.8 | I. virginica |
| 129 | 6.4 | 2.8 | 5.6 | 2.1 | I. virginica |
| 130 | 7.2 | 3.0 | 5.8 | 1.6 | I. virginica |
| 131 | 7.4 | 2.8 | 6.1 | 1.9 | I. virginica |
| 132 | 7.9 | 3.8 | 6.4 | 2.0 | I. virginica |
| 133 | 6.4 | 2.8 | 5.6 | 2.2 | I. virginica |
| 134 | 6.3 | 2.8 | 5.1 | 1.5 | I. virginica |
| 135 | 6.1 | 2.6 | 5.6 | 1.4 | I. virginica |
| 136 | 7.7 | 3.0 | 6.1 | 2.3 | I. virginica |
| 137 | 6.3 | 3.4 | 5.6 | 2.4 | I. virginica |
| 138 | 6.4 | 3.1 | 5.5 | 1.8 | I. virginica |
| 139 | 6.0 | 3.0 | 4.8 | 1.8 | I. virginica |
| 140 | 6.9 | 3.1 | 5.4 | 2.1 | I. virginica |
| 141 | 6.7 | 3.1 | 5.6 | 2.4 | I. virginica |
| 142 | 6.9 | 3.1 | 5.1 | 2.3 | I. virginica |
| 143 | 5.8 | 2.7 | 5.1 | 1.9 | I. virginica |
| 144 | 6.8 | 3.2 | 5.9 | 2.3 | I. virginica |
| 145 | 6.7 | 3.3 | 5.7 | 2.5 | I. virginica |
| 146 | 6.7 | 3.0 | 5.2 | 2.3 | I. virginica |
| 147 | 6.3 | 2.5 | 5.0 | 1.9 | I. virginica |
| 148 | 6.5 | 3.0 | 5.2 | 2.0 | I. virginica |
| 149 | 6.2 | 3.4 | 5.4 | 2.3 | I. virginica |
| 150 | 5.9 | 3.0 | 5.1 | 1.8 | I. virginica |
تُستخدم مجموعة بيانات زهرة السوسن على نطاق واسع كمجموعة بيانات للمبتدئين في مجال تعلم الآلة. وهي مُضمنة في مكتبة التعلم الآلي scikit-learn في لغتي R و Python ، مما يُتيح للمستخدمين الوصول إليها دون الحاجة إلى البحث عن مصدر لها.
تم نشر عدة نسخ من مجموعة البيانات. [ 8 ]
كود R يوضح طريقة الاستخدام
يُعيد مثال كود R الموضح أدناه إنتاج مخطط التشتت المعروض في أعلى هذه المقالة:
# عرض مجموعة بيانات iris عرض صفحة المساعدة، مع معلومات حول مجموعة البيانات iris# إنشاء مخططات التشتت لجميع التوليفات الثنائية للمتغيرات الأربعة في مجموعة البيانات ( iris [ 1 : 4 ] , main = "Iris Data (red=setosa,green=versicolor,blue=virginica)" , pch = 21 , bg = c ( "red" , "green3" , "blue" )[ unclass ( iris $ Species )])# بدلاً من ذلك، استخدم ggplot و ggally. install.packages ( c ( "ggplot2" , "GGally" )) # قم بتثبيت الحزم إذا لم تكن لديك.# تحميل المكتبات. library ( ggplot2 ) library ( GGally )# رسم مصفوفة مخطط التشتت لمجموعة بيانات زهرة السوسن ggpairs ( data = iris , # بيانات زهرة السوسن الخاصة بك columns = 1 : 4 , # أعمدة مخطط التشتت mapping = aes ( colour = Species , fill = Species ), title = 'مصفوفة مخطط التشتت لمجموعة بيانات زهرة السوسن' , ) + theme ( plot.title = element_text ( hjust = 0.5 , face = 'bold' )) + scale_color_brewer ( palette = 'Set1' )from sklearn.datasets import load_irisiris = load_iris () print ( iris )هذا الكود يعطي:
{ 'data' : array ([[ 5.1 , 3.5 , 1.4 , 0.2 ], [ 4.9 , 3. , 1.4 , 0.2 ], [ 4.7 , 3.2 , 1.3 , 0.2 ], [ 4.6 , 3.1 , 1.5 , 0.2 ], ... 'target' : array ([ 0 , 0 , 0 , ... 1 , 1 , 1 , ... 2 , 2 , 2 , ... 'target_names' : array ([ 'setosa' , 'versicolor' , 'virginica' ], dtype = '<U10' ), ... }انظر أيضاً
مراجع
- 1 2 ر. أ. فيشر (1936). "استخدام القياسات المتعددة في المشكلات التصنيفية". حوليات علم تحسين النسل . 7 (2): 179-188 . doi : 10.1111/j.1469-1809.1936.tb02137.x . hdl : 2440/15227 .
- ↑ إدغار أندرسون (1936). "مشكلة الأنواع في جنس السوسن " . حوليات حديقة ميسوري النباتية . 23 (3): 457-509 . Bibcode : 1936AnMBG..23..457A . doi : 10.2307/2394164 . JSTOR 2394164 .
- ↑ إدغار أندرسون (1935). "أزهار السوسن في شبه جزيرة غاسبيه". نشرة جمعية السوسن الأمريكية . 59 : 2-5 .
- غوربان ، أ.ن .؛ زينوفييف، أ. (2010). "المتشعبات الرئيسية والرسوم البيانية في الممارسة العملية: من البيولوجيا الجزيئية إلى الأنظمة الديناميكية". المجلة الدولية للأنظمة العصبية . 20 (3): 219-232 . arXiv : 1001.1122 . doi : 10.1142/S0129065710002383 . PMID 20556849 .
- ↑ "مستودع التعلم الآلي بجامعة كاليفورنيا في إرفاين: مجموعة بيانات زهرة السوسن" . archive.ics.uci.edu . تم الاطلاع عليه بتاريخ 1 ديسمبر 2017 .
- ↑ إينيس فاربر؛ ستيفان غونيمان؛ هانز-بيتر كريغل ؛ بير كروغر؛ إيمانويل مولر؛ إريك شوبرت؛ توماس سيدل؛ آرثر زيمك (2010). "حول استخدام تصنيفات الفئات في تقييم التجميعات" (ملف PDF) . في: شياولي ز. فيرن؛ إيان ديفيدسون؛ جينيفر داي (محررون). التجميع المتعدد: اكتشاف وتلخيص واستخدام التجميعات المتعددة . ACM SIGKDD .
- ↑ غوربان، أ.ن.؛ سومنر، ن.ر.؛ زينوفييف، أ.ي. (2007). "القواعد الطوبولوجية لتقريب البيانات". رسائل الرياضيات التطبيقية . 20 (4): 382-386 . arXiv : cs/0603090 . doi : 10.1016/j.aml.2006.04.022 .
- ↑ بيزديك، جيه سي؛ كيلر، جيه إم؛ كريشنابورام، آر؛ كونشيفا، إل آي ؛ بال، إن آر (1999). "هلّا تفضلت بيانات زهرة السوسن الحقيقية بالظهور؟". معاملات IEEE في الأنظمة الضبابية . 7 (3): 368-369 . doi : 10.1109/91.771092 .
روابط خارجية
- بيانات زهرة السوسن من فيشر . (تحتوي على خطأين موثقين) . مستودع التعلم الآلي بجامعة كاليفورنيا في إرفاين: مجموعة بيانات زهرة السوسن.
- مجموعات البيانات الإحصائية
- مجموعات البيانات في التعلم الآلي
- رونالد فيشر