深度神经网络对Iris数据集进行分类的程序，怎么改为自己？

#以下是完整程序——对iris数据进行分类（网上找的）
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import tensorflow as tf
import numpy as np

#第1步：导入数据
# Data sets
IRIS_TRAINING = "iris_training.csv"
IRIS_TEST = "iris_test.csv"# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TRAINING,
    target_dtype=np.int,
    features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TEST,
    target_dtype=np.int,
    features_dtype=np.float32)
#第2步：构建深度神经网络分类模型
# Specify that all features have real-value data
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                            hidden_units=[10, 20, 10],
                                            n_classes=3,
                                            model_dir="/tmp/iris_model")
#tf.contrib.learn.SKCompat(
#第3步：在训练集上进行训练
# Fit model.classifier.fit(x=training_set.data,
               y=training_set.target,
               steps=2000)
#第4步：评估模型的精度
# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data,
                                     y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))

#第5步：预测新的数据
# Classify two new flower samples.
new_samples = np.array(
    [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
y = list(classifier.predict(new_samples, as_iterable=True))
print('Predictions: {}'.format(str(y)))

提示：这个程序运行可能会有警告，但是最后结果正确，返回值是0就代表没错

我现在的问题是：怎么将iris数据换成自己的数据，iris数据是csv格式的，我的数据是excel格式，我把我的数据另存为csv格式后，载入到该程序中有错误，我觉得是因为我的数据格式还是不正确，请问问各位大神：应该怎么处理自己的数据，让自己的数据符合要求？？

我的数据

我的数据

iris数据