Начало работы в scikit-learn с известным набором данных iris

Теперь, когда мы настроили Python для машинного обучения, давайте начнём с загрузки примера набора данных в scikit-learn! Мы изучим знаменитый набор данных «iris», познакомимся с важной терминологией машинного обучения и обсудим четыре ключевых требования к работе с данными в scikit-learn. Скачать блокнот: https://github.com/justmarkham/scikit... Набор данных Iris: http://archive.ics.uci.edu/ml/dataset... Утилиты загрузки набора данных scikit-learn: http://scikit-learn.org/stable/datasets/ Быстрые численные вычисления с NumPy (слайды): https://speakerdeck.com/jakevdp/losin... Быстрые численные вычисления с NumPy (видео):    • Losing your Loops Fast Numerical Computing...   Введение в NumPy (PDF): http://www.engr.ucsb.edu/~shell/che21... ХОТИТЕ СТАТЬ ЛУЧШЕ В МАШИННОЕ ОБУЧЕНИЕ? ВОТ ВАШИ ДАЛЬНЕЙШИЕ ШАГИ: 1) ПОСМОТРИТЕ мою серию видео по scikit-learn:    • Machine learning in Python with scikit-learn   2) ПОДПИШИТЕСЬ, чтобы увидеть больше видео: https://www.youtube.com/dataschool?su... 3) ПРИСОЕДИНЯЙТЕСЬ К "Data School Insiders" для доступа к бонусному контенту:   / dataschool   4) ЗАПИШИТЕСЬ на мой курс по машинному обучению: https://www.dataschool.io/learn/ 5) ДАВАЙТЕ ОБЩАТЬСЯ! – Рассылка: https://www.dataschool.io/subscribe/ – Twitter:   / justmarkham   – Facebook:   / datascienceschool   – LinkedIn:   / justmarkham