该数据集只保留了原来iris(鸢尾花卉)数据集3个类virginica，versicolor和setosa中的versicolor和setosa，并将versicolor用0.0表示，setosa用1.0表示。
每类50个样本；
每个样本是一个4维的特征向量,萼片长，萼片宽，花瓣长，花瓣宽；

Iris数据集是罕用的分类试验数据集，由Fisher,1936凑集收拾。
Iris也称鸢尾花卉数据集，是一类多重变量阐发的数据集。
数据集搜罗150个数据集，分为3类，每一类50个数据，每一个数据搜罗4个属性。
可经由花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性料想鸢尾花卉属于（Setosa，Versicolour，Virginica）三个品种中的哪一类。
iris以鸢尾花的特色作为数据来源，罕用在分类操作中。
该数据集由3种不合尺度的鸢尾花的50个样本数据组成。
其中的一个品种与另外两个品种是线性可离散的，后两个品种玄色线性可离散的。
该数据集搜罗了5个属性：&Sepal.Length（花萼长度），单元是cm;&Sepal.Width（花萼宽度），单元是cm;&Petal.Length（花瓣长度），单元是cm;&Petal.Width（花瓣宽度），单元是cm;&品种：IrisSetosa（山鸢尾）、IrisVersicolour（正色鸢尾），以及IrisVirginica（维吉尼亚鸢尾）。

鸢尾花卉数据集，是一类多重变量分析的数据集。
通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个品种中的哪一类。
是机器学习基础学习的典型案例。

python应用c4.5决策树对鸢尾花卉数据集进行分类（iris），包含可视化的决策树表

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。