下载掌阅APP，畅读海量书库
立即打开
鸢尾花（Iris）数据集是机器学习领域中的一个经典数据集（更多信息请参考https://archive.ics.uci.edu/ml/datasets/iris）。图1.8展示了鸢尾花数据集的部分数据。鸢尾花数据集包含了150朵鸢尾花的测量结果，这些鸢尾花来自三个种类：山鸢尾、变色鸢尾和弗吉尼亚鸢尾。
数据集中的每一行代表一朵花的样本数据，数据集中的每一列存储花卉的度量值（单位为厘米），也被称为数据集的特征。
为了简单而高效地实现符号表示，本书将使用线性代数的一些基础知识。后续章节使用矩阵符号来表示数据。遵循通用约定，矩阵中的每一行代表一个样本，矩阵中的每一列代表一个特征。
鸢尾花数据集包含150个样本和4个特征，可以表示为150行4列的矩阵，即 X ∈R 150×4 ：
图1.8 鸢尾花数据集的部分数据
符号约定
除非特别说明，本书使用上标 i 表示第 i 个训练样本，下标 j 表示一个训练样本的第 j 维的值。
本书使用粗体的小写字母（
x
∈R
n
×1
）表示向量，使用粗体大写字母（
X
∈R
n
×
m
）表示矩阵。采用斜体字母表示向量中的一个元素（即
x
（
n
）
）或矩阵中的一个元素（即
）。
例如，
表示第150个鸢尾花样本第一维的值，即萼片长度。
X
矩阵的每一行代表一朵花的数据，可以写成4维行向量
x
（
i
）
∈R
1×4
：
每个特征都是一个150维的列向量 X （ i ） ∈R 150×1 ，例如：
类似地，可以把目标变量（这里指的是类别标签）表示为一个150维的列向量：
其中 y （ i ） ∈｛山鸢尾，变色鸢尾，弗吉尼亚鸢尾｝。