5.4. 実習

5.4.1. Irisデータセット

Irisデータセットは、研究者R.A. Fisherが1936年の論文「The use of multiple measurements in taxonomic problems」で使用されたデータセットです。現在では、機械学習やデータ分析の分野で広く使用されており、特に分類問題のベンチマークとして知られています。

• kaggleのIrisデータセット

• UCI Machine Learning RepositoryのIrisデータセット

• scikit-learnのIrisデータセット

このデータセットは、3種類のアヤメの花（Setosa、Versicolor、Virginica）、それぞれ50標本の計150標本から構成されています。各標本は、萼と花弁の長さと幅を測定した4つの特徴量を持っています。

• sepal length: 萼の長さ

• sepal width: 萼の幅

• petal length: 花弁の長さ

• petal width: 花弁の幅

このデータセットは以下のようになっています。

Id	sepal_length	sepal_width	petal_length	petal_width	species
1	5.1	3.5	1.4	0.2	Iris-setosa
2	4.9	3.0	1.4	0.2	Iris-setosa
3	4.7	3.2	1.3	0.2	Iris-setosa
…	…	…	…	…	…
150	5.9	3.0	5.1	1.8	Iris-virginica

Idは各標本の識別子で、speciesはアヤメの種類を示しています。sepal_length、sepal_width、petal_length、petal_widthは各標本の特徴量です。

以下リンクからデータセットをダウンロードできます。

• iris.xlsx

5.4.1.1. 実習問題

1. Setosa（標本1～50）のsepal_lengthについて、平均値、中央値、最大値、最小値を求めてください。

2. Setosa（標本1～50）のsepal_lengthについて、5.0以上の標本の数を求めてください。

3. Setosa（標本1～50）のsepal_lengthとsepal_widthの相関関係を調べてください。

   • ヒント：相関関係を調べるために、散布図を作成し、相関係数を計算してください。

4. 三種類の花（Setosa、Versicolor、Virginica）のpetal_lengthの分布を比較するために、箱ひげ図を作成してください。