Анализ датасета Iris

Информация о студенте

• ФИО: Мизин Денис
• Группа: РИ-150914
• Номер задания: 1
• GitVerse профиль: Denismmm

Описание задания

Цель: Провести полный exploratory data analysis (EDA) датасета Iris

Что нужно анализировать:

• Распределение целевой переменной (виды ирисов)
• Статистические характеристики признаков
• Визуализация распределений
• Корреляционный анализ
• Сравнение признаков по видам цветков

Выполненные работы

1. Загрузка данных

• Загружен датасет Iris из sklearn.datasets
• Создан DataFrame с признаками и целевой переменной
• Числовые метки заменены на текстовые названия видов:
  • 0 → setosa
  • 1 → versicolor
  • 2 → virginica

2. Анализ целевой переменной

• Распределение по трем видам ирисов
• Процентное соотношение классов

3. Анализ признаков

Исследованы 4 числовых признака:

• sepal length (cm) - длина чашелистика
• sepal width (cm) - ширина чашелистика
• petal length (cm) - длина лепестка
• petal width (cm) - ширина лепестка

4. Визуализация

Созданы следующие графики:

• Распределение видов ирисов (столбчатая и круговая диаграммы)
• Гистограммы распределения признаков
• Наложенные гистограммы признаков по видам
• Heatmap матрицы корреляции

5. Статистика

Таблица с метриками

Ключевые числа

• Общее количество образцов: 150
• Количество признаков: 4
• Количество классов: 3
• Размерность данных: 150 × 5 (с учетом целевой переменной)

Распределение по видам:

• setosa: 50 образцов (33.3%)
• versicolor: 50 образцов (33.3%)
• virginica: 50 образцов (33.3%)

6. Ключевые находки

Корреляционный анализ:

• Сильная положительная корреляция между длиной и шириной лепестка: 0.963
• Высокая корреляция длины лепестка с длиной чашелистика: 0.872
• Слабая корреляция ширины чашелистика с другими признаками

Распределения по видам:

• Setosa: имеет значительно меньшие лепестки
• Versicolor: средние значения признаков
• Virginica: наибольшие значения по всем признакам

Файлы

Созданные файлы:

• 01_iris_target_distribution.png
  - распределение целевой переменной
• 01_iris_features_distribution.png
  - распределение признаков
• 01_iris_features_by_species.png
  - признаки по видам
• 01_iris_correlation_matrix.png
  - матрица корреляции
• iris_analysis.py
  - основной скрипт анализа

Удалённые файлы:

• Нет

---

Дата выполнения: [18.11.2025]
Версия Python: 3.8+
Используемые библиотеки: pandas, numpy, matplotlib, seaborn, scikit-learn