Sistemas inteligentes Reconocimiento de Patrones

iris

April 27, 2024

1. Iris Data Set

1. 1. Preparacion del Data Frame[pic 1]

[129]:[pic 2]

[130]:[pic 3]

[130]:        Id        SepalLengthCm        SepalWidthCm        PetalLengthCm        PetalWidthCm        Species

[131]:[pic 4]

[131]: (150, 6)

[132]:[pic 5]

[133]:

<class 'pandas.core.frame.DataFrame'> RangeIndex: 150 entries, 0 to 149 Data columns (total 6 columns):

#        Column        Non-Null Count        Dtype

[pic 6]        [pic 7]        [pic 8]        [pic 9]

1. Id        150 non-null        int64
2. SepalLengthCm        150 non-null        float64
3. SepalWidthCm        150 non-null        float64
4. PetalLengthCm        150 non-null        float64
5. PetalWidthCm        150 non-null        float64
6. Species        150 non-null        object dtypes: float64(4), int64(1), object(1) memory usage: 7.2+ KB[pic 10][pic 11]

[134]:[pic 12]

1. :        SepalLengthCm        SepalWidthCm        PetalLengthCm        PetalWidthCm        Species

[135]:

1. 2. Calidad de Datos

Se crea un mapa de calor para poder visualizar que columnas del data frame contienen datos vacios o nulos[pic 13][pic 14]

1. : <Axes: >

[pic 15]

Se observa que el data frame no contiene datos vacios en sus columnas

[136]:[pic 16]

1. : 0        False

1. False
2. False
3. False
4. False

…

1. False
2. False
3. False
4. False
5. False

Length: 150, dtype: bool

Se observa que el data frame no contien datos duplicados

[137]:

1. 3. Analisis Exploratorio de Datos

1. Resumen Descriptivo del Data Set[pic 17]

1. :        SepalLengthCm        SepalWidthCm        PetalLengthCm        PetalWidthCm

[138]:

1. Distribución equilibrada: Con un recuento de 150 para cada característica, el dataset está balanceado en términos de tamaño de muestra para todas las variables. Esto es ideal para el análisis comparativo entre las características.
2. Dispersión de características: Existe una notable dispersión en las medidas de las car- acterísticas del Iris, con la longitud de los pétalos y la anchura de los pétalos mostrando la mayor variabilidad (es decir, valores más altos de desviación estándar). Esto indica que estas dos características pueden ofrecer una mayor discriminación para tareas de clasificación o análisis de clústeres.
3. Indicios de bimodalidad: Los datos de la longitud y anchura de los pétalos sugieren una posible bimodalidad, reflejada en un rango más amplio y cuartiles que indican la presencia de dos grupos distintos dentro de los datos. Esto podría corresponder a diferencias morfológicas entre las especies de Iris.
4. Simetría en sépalos: Las medidas de los sépalos parecen tener una distribución más simétrica alrededor de la media, lo que sugiere que son menos diferenciadoras entre las especies de Iris que las medidas de los pétalos

1. Distribucion de Datos[pic 18]

media_PetalLength  =  df['PetalLengthCm'].mean() moda_PetalLength  =  df['PetalLengthCm'].mode()[0] mediana_PetalLength  =  df['PetalLengthCm'].median()[pic 19]

media_PetalWidth  =  df['PetalWidthCm'].mean() moda_PetalWidth  =  df['PetalWidthCm'].mode()[0] mediana_PetalWidth  =  df['PetalWidthCm'].median()

# Lista de las columnas y datos estadísticos

features  =  ['SepalLengthCm',  'SepalWidthCm',  'PetalLengthCm',  'PetalWidthCm'] statistics = {

'SepalLengthCm':  {'mean':  media_SepalLength,  'mode':  moda_SepalLength,␣

...