Tableau集成Python機器學習實踐（中）

本系列分上、中、下三部分，本文為第二部分。

Tableau集成Python機器學習實踐（上）

Tableau集成Python機器學習實踐（下）

基於Iris數據集的機器學習實踐

Iris數據集簡介

iris數據集由Fisher, 1936收集整理，Iris也稱安德森鳶尾花卉數據集，英文全稱是Anderson』s Iris data set。Iris數據集是常用的分類實驗數據集，是一類多重變數分析的數據集。數據集包含150個數據集，分為3類，每類50個數據，每個數據包含4個屬性。可通過花萼長度，花萼寬度，花瓣長度，花瓣寬度4個屬性預測鳶尾花卉屬於Setosa，Versicolour，Virginica三個種類中的哪一類。

用戶可通過鏈接http://aima.cs.berkeley.edu/data/iris.txt 查看iris數據集的詳細介紹了解更多信息。

用戶可以從 http://aima.cs.berkeley.edu/data/iris.csv下載該數據集，另外，python的數據挖掘/機器學習庫scikit已經內置了iris數據集。

分類演算法

1. 我們選用jupyter notebook作為實驗平台，數據集採用從上面鏈接下載的csv文件，添加列名以便於操作。csv文件的Class列有三類值Setosa，Versicolour，Virginica，因此這是一個多分類的問題。首先我們要將Class列轉換為數值型字元。

2. 對數據進行標準化預處理，數據交叉驗證採用sklearn 包中的 StratifiedKFold 方法，StratifiedKFold 是一種將數據集中每一類樣本的數據成分，按均等方式拆分的方法，使用準確率作為評價模型好壞的標準。

3. 接下來分別使用SVM， 邏輯回歸分類器，樸素貝葉斯三種分類演算法進行驗證

得到準確率分別是：SVM 0.987， 邏輯回歸 0.860，樸素貝葉斯 0.947，就是你了SVM！

發布函數

首先運行startup.bat（Mac下為startup.sh）啟動tabpy_server 伺服器

接下來需要創建一個到tabpy server的連接對象

定義我們要發布的函數名稱，參數，以及返回對象

然後將方法發布到tabpy server上

最好再去 localhost:9004/endpoints 下確認一下方法已經發布到了tabpy server上。如果沒有問題，我們就可以進入到下一階段，去創建Tableau dashboard了，Cheers!