El dataset Iris es un conjunto de datos de clasificación multiclase clásico y muy sencillo. Introducido por el estadístico y biólogo británico Ronald Fisher en su artículo de 1936 "The use of multiple measurements in taxonomic problems". El conjunto de datos de Iris contiene cuatro características (longitud y anchura de sépalos y pétalos) de 50 muestras de tres especies de flores Iris (Iris setosa, Iris virginica e Iris versicolor).
Tras realizar un análisis exploratorio de datos para comprender mejor la información. En este notebook se construye un modelo con Regresión Logística que utiliza las características para clasificar las flores con un máximo de precisión.
Paquetes utilizados:
- Procesamiento de datos: Pandas.
- Procesamiento numérico: NumPy.
- Visualización de datos: Seaborn y Matplotlib.
- Desarrollo del Modelo: Scikit Learn
Referencias:
Instructor:
Joseph Santiago Portilla - Ingeniero Electrónico.
- GitHub: https://github.com/JoePortilla
- Twitter: https://twitter.com/JoePortilla
- LinkedIn: https://www.linkedin.com/in/PortillaJoe
- Kaggle: https://www.kaggle.com/joeportilla
Notebook
Clasificación Dataset Iris. Regresión Logística
Explore and run machine learning code with Kaggle Notebooks | Using data from Iris Species
joeportillaCódigo
GitHub - JoePortilla/IrisDataset-Classification: Clasificación del Dataset Iris con Regresión Logística
Clasificación del Dataset Iris con Regresión Logística - GitHub - JoePortilla/IrisDataset-Classification: Clasificación del Dataset Iris con Regresión Logística
JoePortilla
