IRIS

IRIS.py

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
#1. incarcarea setului de date Iris
iris = load_iris()

#2. Afisarea descrierii bazei de date
print("="*50)
print(iris.DESCR)
print("="*50)

#afisarea denumirii caracteristicilor
print("="*50)
print(iris.feature_names)
print("="*50)


#3 extragerea matricei datelor si afisarea dimensiunilor
X = iris.data
print("="*50)
print(f"Forma matricei: {X.shape}")
print(f"Numar de samples (linii): {X.shape[0]}")
print(f"Numar de features (coloane): {X.shape[1]}")
print("="*50)

#4 extragerea vectorului target

y = iris.target
etichete_unice = np.unique(y)
print("="*50)
print("ETICHETE in vectorul TARGET")
print("="*50)
print(f"Etichete unice: {etichete_unice}")

#Trebuie să obțineți: 0, 1, 2. 0 reprezintă Iris-Setosa, 1-Iris-Versicolor, 2-Iris-Verginica

#5 afisarea numarului de samples pe fiecare clasa
print("="*50)
for eticheta in etichete_unice:
	count = np.sum(y == eticheta)
	print(f"Clasa {eticheta}({iris.target_names[eticheta]}): {count} samples")
print("="*50)