📓 Notebook: Iris Classification

Trong notebook này, chúng ta sẽ thực hành xây dựng model classification đầu tiên với Iris dataset.

Bước 1: Import Libraries

# Import các thư viện cần thiết
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

# Cấu hình hiển thị
plt.style.use('seaborn-v0_8-whitegrid')
%matplotlib inline

Bước 2: Load Dataset

# Load Iris dataset
iris = load_iris()

# Tạo DataFrame
df = pd.DataFrame(
    data=iris.data,
    columns=iris.feature_names
)
df['target'] = iris.target
df['species'] = df['target'].map({
    0: 'setosa',
    1: 'versicolor', 
    2: 'virginica'
})

# Xem data
print(f"Shape: {df.shape}")
df.head(10)

Bước 3: Exploratory Data Analysis

3.1 Thống kê mô tả

# Thống kê cơ bản
df.describe()

3.2 Phân bố các classes

# Đếm số lượng mỗi loài
fig, axes = plt.subplots(1, 2, figsize=(12, 4))

# Pie chart
df['species'].value_counts().plot.pie(
    autopct='%1.1f%%',
    ax=axes[0],
    colors=['#ff9999','#66b3ff','#99ff99']
)
axes[0].set_title('Phân bố các loài hoa')
axes[0].set_ylabel('')

# Bar chart
df['species'].value_counts().plot.bar(
    ax=axes[1],
    color=['#ff9999','#66b3ff','#99ff99']
)
axes[1].set_title('Số lượng mỗi loài')
axes[1].set_xlabel('Species')
axes[1].set_ylabel('Count')

plt.tight_layout()
plt.show()

3.3 Phân bố features

# Boxplot cho tất cả features
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

for idx, column in enumerate(iris.feature_names):
    ax = axes[idx // 2, idx % 2]
    df.boxplot(column=column, by='species', ax=ax)
    ax.set_title(column)
    ax.set_xlabel('')

plt.suptitle('Phân bố Features theo Species', fontsize=14)
plt.tight_layout()
plt.show()

3.4 Pair Plot

# Pair plot để xem mối quan hệ giữa các features
sns.pairplot(df, hue='species', palette='husl', markers=['o', 's', 'D'])
plt.suptitle('Pair Plot - Iris Dataset', y=1.02)
plt.show()

3.5 Correlation Matrix

# Heatmap correlation
plt.figure(figsize=(8, 6))
correlation = df[iris.feature_names].corr()
sns.heatmap(
    correlation, 
    annot=True, 
    cmap='coolwarm',
    center=0,
    square=True,
    linewidths=0.5
)
plt.title('Correlation Matrix')
plt.show()

Bước 4: Data Preprocessing

# Tách features và target
X = df[iris.feature_names].values
y = df['target'].values

# Split train/test
X_train, X_test, y_train, y_test = train_test_split(
    X, y, 
    test_size=0.2, 
    random_state=42,
    stratify=y  # Đảm bảo phân bố đều các classes
)

print(f"Training set: {X_train.shape[0]} samples")
print(f"Test set: {X_test.shape[0]} samples")

# Scaling features
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

Bước 5: Model Training

# Khởi tạo và train model
model = RandomForestClassifier(
    n_estimators=100,
    max_depth=5,
    random_state=42
)

# Fit model
model.fit(X_train_scaled, y_train)

# Predictions
y_pred = model.predict(X_test_scaled)

Bước 6: Model Evaluation

6.1 Accuracy

accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy:.2%}")

6.2 Classification Report

print("Classification Report:")
print("=" * 60)
print(classification_report(
    y_test, 
    y_pred, 
    target_names=iris.target_names
))

6.3 Confusion Matrix

# Confusion Matrix
plt.figure(figsize=(8, 6))
cm = confusion_matrix(y_test, y_pred)
sns.heatmap(
    cm, 
    annot=True, 
    fmt='d', 
    cmap='Blues',
    xticklabels=iris.target_names,
    yticklabels=iris.target_names
)
plt.title('Confusion Matrix')
plt.xlabel('Predicted')
plt.ylabel('Actual')
plt.show()

6.4 Feature Importance

# Feature Importance
importance = pd.DataFrame({
    'feature': iris.feature_names,
    'importance': model.feature_importances_
}).sort_values('importance', ascending=False)

plt.figure(figsize=(8, 5))
sns.barplot(data=importance, x='importance', y='feature', palette='viridis')
plt.title('Feature Importance')
plt.xlabel('Importance Score')
plt.ylabel('Feature')
plt.show()

Kết luận

Bài tập thực hành

➡️ Tiếp theo: Làm Bài tập thực hành để củng cố kiến thức!