Sklearn 机器学习 IRIS数据 逻辑回归训练

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在优快云上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

Sklearn 实战：使用 IRIS 数据集进行逻辑回归模型训练 🌐

逻辑回归（Logistic Regression）是最常见的分类算法之一，既可用于二分类问题，也可扩展用于多分类任务。本文将以经典的 IRIS 鸢尾花数据集为例，完整演示如何使用 scikit-learn 构建逻辑回归模型，包括数据加载、训练测试集划分、模型训练、预测评估及可视化分析。

---

⚙️ 一、准备工作与环境配置

导入必要的库

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.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report, confusion_matrix

建议使用以下环境：

• Python ≥ 3.7
• scikit-learn ≥ 1.0
• matplotlib / seaborn（用于可视化）
• pandas / numpy（用于数据处理）

安装依赖（如未安装）：

pip install scikit-learn matplotlib seaborn pandas

---

🧬 二、加载并查看 IRIS 数据集

iris