scikit-learn在Python中用于分类数据

引入

一个机器是否可以通过照片辨别鲜花种类？从机器学习的角度来看，这本质上是一个分类问题。具体而言，在花卉识别中，
即通过分析不同花卉数据特征来进行学习，
从而使系统能够识别并归类未预先标注的照片数据。
这一节，
让我们从经典的scikit-learn库出发，
深入理解基本分类原则，
并通过实际操作加深理解。

Iris数据集

由英国统计学家Sir Ronald Fisher于1936年首次提出的经典多维数据分析工具

我们旨在解决这一分类问题：当观察到一个新的Iris植物时（或：当呈现一个未知的Iris标本时），是否能够依据上述测量参数准确预测该新Iris物种的身份（或：品种）。
基于带有标签的数据（或：带标记的数据），我们构建了一种预测模型（或：一种预测系统），其核心功能是通过设定明确的规则对其他样本进行分类预测（或：识别）。
鉴于Iris数据集的小样本规模与低维特征空间特点（或：考虑到Iris数据集的小规模与低维特征特性），该模型在实现简洁性的同时仍具备良好的可操作性（或：适用性）。

数据的可视化(visualization)

scikit-learn内置了一系