[MACHINE LEARNING] Un breve ejemplo de uso de JupyterLab

 En este ejemplo hacemos uso de un dataset clásico y unas funciones básicas muy intuitivas.

Se requiere tener instalado Anaconda y ejecutar este código en Jupyter.

# Check the versions of libraries

# Python version

import sys

print('Python: {}'.format(sys.version))

# scipy

import scipy

print('scipy: {}'.format(scipy.__version__))

# numpy

import numpy

print('numpy: {}'.format(numpy.__version__))

# matplotlib

import matplotlib 

print('matplotlib: {}'.format(matplotlib.__version__))

# pandas 

import pandas 

print('pandas: {}'.format(pandas.__version__)) 

# scikit-learn 

import sklearn 

print('sklearn: {}'.format(sklearn.__version__)) 

# Load libraries

import pandas

from pandas.plotting import scatter_matrix

import matplotlib.pyplot as plt

from sklearn import model_selection

from sklearn.metrics import classification_report

from sklearn.metrics import confusion_matrix

from sklearn.metrics import accuracy_score

from sklearn.linear_model import LogisticRegression

from sklearn.tree import DecisionTreeClassifier

from sklearn.neighbors import KNeighborsClassifier 

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis 

from sklearn.naive_bayes import GaussianNB 

from sklearn.svm import SVC

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"

names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']

dataset = pandas.read_csv(url, names=names)

print(dataset.head(51))

print(dataset.shape)

print(dataset.head(51))

print(dataset.describe())