機器學習UCI資料庫

http://archive.ics.uci.edu/ml/

 

資料庫是加州大學歐文分校(UniversityofCaliforniaIrvine)提出的用於機器學習的資料庫，這個資料庫目前共有187個資料集，其數目還在不斷增加，UCI資料集是一個常用的標準測試資料集。

 

UCI上的“MultipleFeatures”資料庫,這是一個手寫數字識別問題,其中每個數位數字化映像由6組共649個特徵表示。

 

 

UCI資料可以使用matlab的dlmread（或textread或者利用matlab的匯入資料）讀取，不過，需要先將不是數位類別用數字，比如1/2/3等替換，否則讀入不了數值，當字元了。

 

每個資料檔案（*.data）包含以“屬性-值”對形式描述的很多個體樣本的記錄。對應的*.info檔案包含的大量的文檔資料。（有些檔案_generate_
databases；他們不包含*.data檔案。）作為資料集和領域知識的補充，在utilities目錄裡包含了一些在使用這一資料集時的有用資料。

 

下面以UCI中IRIS為例介紹一下資料集：

 

ucidata\iris中有三個檔案：

Index

iris.data

iris.names

 

index為檔案夾目錄，列出了本檔案夾裡的所有檔案，如iris中index的內容如下：

Index of iris

18 Mar 1996      105 Index

08 Mar 1993     4551 iris.data

30 May 1989     2604 iris.names

 

iris.data為iris資料檔案，內容如下：

5.1,3.5,1.4,0.2,Iris-setosa

4.9,3.0,1.4,0.2,Iris-setosa

4.7,3.2,1.3,0.2,Iris-setosa

……

7.0,3.2,4.7,1.4,Iris-versicolor

6.9,3.1,4.9,1.5,Iris-versicolor

……

6.3,3.3,6.0,2.5,Iris-virginica

6.4,3.2,4.5,1.5,Iris-versicolor

 

5.8,2.7,5.1,1.9,Iris-virginica

7.1,3.0,5.9,2.1,Iris-virginica

……

如上，屬性直接以逗號隔開，中間沒有空格（5.1,3.5,1.4,0.2,），最後一列為本行屬性對應的值，即決策屬性Iris-setosa

。

 

iris.names介紹了irir資料的一些相關資訊，如資料標題、資料來源、以前使用方式、最近資訊、執行個體數目、執行個體的屬性等，如下所示部分：

……

7. Attribute Information:

   1. sepal length in cm

   2. sepal width in cm

   3. petal length in cm

   4. petal width in cm

   5. class:

      -- Iris Setosa

      -- Iris Versicolour

      -- Iris Virginica

……

9. Class Distribution: 33.3% for each of 3 classes.

 

本資料的使用執行個體請參考其他論文，或本站後面的內容。

 

下面以wine資料為例匯入matlab並利用前面提到的libsvm做測試

 

>> uiimport('wine.data')

匯入資料，workspace處出現wine數組178*14

將標籤和資料屬性提取，並儲存到matlab平台下的資料

>> wine_label = wine(:,1);

>> wine_data = wine(:,2:end);

>> save winedat.mat

 

（下次使用的時候可以直接>> load winedat）

 

svm訓練模型得到wine模型

>> modelw = svmtrain(wine_label,wine_data);

.*

optimization finished, #iter = 239

nu = 0.892184

obj = -61.125695, rho = 0.131965

nSV = 130, nBSV = 53

.*

optimization finished, #iter = 193

nu = 0.882853

obj = -50.421538, rho = -0.166754

nSV = 107, nBSV = 42

.*

optimization finished, #iter = 214

nu = 0.800233

obj = -53.411663, rho = -0.286931

nSV = 119, nBSV = 44

Total nSV = 178

 

分類結果

>> [plabelw, accuracyw] = svmpredict(wine_label,wine_data,modelw);

Accuracy = 100% (178/178) (classification)