Benutzer:Annairah/Iris Datensatz

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
Scatterplot des Datensatzes

Der Iris Datensatz ist ein multivariater Datensatz, der 1936 von dem britischen Statistiker und Biologen Ronald Fisher in dem Paper The use of multiple measurements in taxonomic problems[1] als Beispiel für den Einsatz einer Diskriminanzanalyse, eingeführt wurde. Es wird gelegentlich auch als Andersons Iris Datensatz bezeichnet, da Edgar Anderson die Daten für die Quantifizierung der morphologischen Variation der drei Arten der Iris sammelte.[2] Zwei der drei Arten wurden auf der Halbinsel Gaspé gesammelt, "alle von der selben Wiese, gepflückt am selben Tag und zu der selben Zeit von der selben Person und dem selben Gerät vermessen".[3]

Der Datensatz besteht aus 50 Proben von jeder der drei Arten der Iris (Iris setosa, Iris virginica and Iris versicolor). Vier Eigenschaften wurden für jede Probe vermessen: die Länge und Breite in Zentimetern der Kelchblätter und der Blütenblätter. Basieren auf der Kombination dieser vier Eigenschaften entwickelte Fisher ein Diskriminanzmodel um die Arten voneinander zu unterscheiden.

Benutzung des Datensatzes

[Bearbeiten | Quelltext bearbeiten]
Unsatisfactory k-means clustering result (the data set does not cluster into the known classes) and actual species visualized using ELKI
Ein Beispiel der sogenannten "metro map" für den Iris Datensatz.[4] Nur ein kleiner Teil der Iris-virginica ist mit Iris-versicolor vermischt. Alle anderen Proben der anderen Iris Art gehören zu anderen Knoten.

Basierend auf Fishers Diskriminanzmodel wurde dieser Datensatz zu einem typischen Testfall für viele statistische Klassifizierungsverfahren im Machine Learning, wie die Support Vector Machine.[5]

Die Verwendung dieses Datensatzes in der Clusteranalyse ist jedoch nicht verbreitet, da der Datensatz nur zwei Cluster mit ziemlich offensichtlicher Unterteilungen. Eines der Cluster enthält Iris setosa, während das andere Iris virginica und Iris versicolor enthält und mit den Informationen zu der Pflanzenart, die Fisher verwendete, nicht weiter unterteilt werden können. Das macht den Datensatz zu einem guten Beispiel um den Unterschied zwischen überwachten und unüberwachten Technikem im Data Mining, da eine Diskriminanzfunktion nach Fisher nur aufgestellt werden kann, wenn die Art des Objektes bekannt ist: Klassenbezeichnungen und Cluster sind nicht unbedingt gleich.[6]

Nichtsdestotrotz sind alle drei Arten der Iris in der Projektion auf die nicht-lineare Verzweigungshauptkomponente trennbar.[7] Der Datensatz wird mit dem nähesten Baum mit einer Penalty für die überhöhte Anzahl an Knoten, Biegen und Spannen, approximiert. Dann wird die sogenannte "metro-map" erstellt.[4] Die Datenpunkte werden auf den nähesten Knoten projiziert. Für jeden Knoten wird ein Kuchendigramm erstellt. Die Fläsche des Kuchens ist proportional zu der Anzahl der projizierten Datenpunkte. Von dem Diagramm links wird klar, dass die absolute Mehrheit der Proben der verschiedenen Irisarten zu verschiedenen Knoten gehören. Nur ein kleiner Anteil der Iris-virginica ist mit Iris-versicolor vermischt (die blau-grünen Knoten im Diagramm). Somit sind die drei Arten der Iris (Iris setosa, Iris virginica und Iris versicolor) mit der unüberwachten Vorgehensweise der nichtlinearen Hauptkomponentenanalyse trennbar. Um sie zu unterscheiden ist es ausreichend, die entsprechenden Knoten in Hauptkomponentenbaum auszuwählen.

Iris setosa

Der Datensatz enthält 150 Einträge mit jeweils fünf Eigenschaften - Länge des Blütenblattes, Breite des Blütenblattes, Länge des Kelchblattes, Breite des Kelchblattes und die Art.

Iris versicolor
Iris virginica
Spectramap Biplot von Fishers Iris Datensatz
Fishers Iris Datensatz
Eintrag Nummer Länge Kelchblatt Breite Kelchblatt Länge Blütenblatt Breite Blütenblatt Art
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

Es wurden verschiedene Versionen des Datensatzes veröffentlicht.[8]


  • Iris Data Set. UCI Machine Learning Repository: Iris Data Set;

Vorlage:Iris

  1. R. A. Fisher: The use of multiple measurements in taxonomic problems. In: Annals of Eugenics. 7. Jahrgang, Nr. 2, 1936, S. 179–188, doi:10.1111/j.1469-1809.1936.tb02137.x.
  2. Edgar Anderson: The species problem in Iris. In: Annals of the Missouri Botanical Garden. 23. Jahrgang, Nr. 3, 1936, S. 457–509, JSTOR:2394164 (biostor.org).
  3. Edgar Anderson: The irises of the Gaspé Peninsula. In: Bulletin of the American Iris Society. 59. Jahrgang, 1935, S. 2–5.
  4. a b A. N. Gorban, A. Zinovyev. Principal manifolds and graphs in practice: from molecular biology to dynamical systems, International Journal of Neural Systems, Vol. 20, No. 3 (2010) 219–232.
  5. UCI Machine Learning Repository: Iris Data Set. In: archive.ics.uci.edu. Abgerufen am 1. Dezember 2017.
  6. Ines Färber, Stephan Günnemann, Hans-Peter Kriegel, Peer Kröger, Emmanuel Müller, Erich Schubert, Thomas Seidl, Arthur Zimek: On Using Class-Labels in Evaluation of Clusterings. Hrsg.: Xiaoli Z. Fern, Ian Davidson, Jennifer Dy. ACM SIGKDD, 2010 (oregonstate.edu [PDF]).
  7. A.N. Gorban, N.R. Sumner, and A.Y. Zinovyev, Topological grammars for data approximation, Applied Mathematics Letters Volume 20, Issue 4 (2007), 382-386.
  8. Bezdek, J.C. and Keller, J.M. and Krishnapuram, R. and Kuncheva, L.I. and Pal, N.R.: Will the real iris data please stand up? In: IEEE Transactions on Fuzzy Systems. 7. Jahrgang, Nr. 3, 1999, S. 368–369, doi:10.1109/91.771092.