上一篇文章详细说明了逻辑斯蒂回归模型的原理,这篇文章中,我将用python通过该算法来实现对鸢尾花数据集的分类。
1、首先导入三大件
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
from sklearn import metrics
2、读取数据
import os
path = 'data' + os.sep + 'iris_data.csv'#数据集的路径,我这里取的是相对路径
Data = pd.read_csv(path, header=None)

本文介绍如何使用Python的Logistic Regression对鸢尾花数据集进行分类。内容包括数据导入、类型转化、数据划分、模型训练以及性能评估,通过Pipeline实现标准化、PCA降维和逻辑回归。模型在训练集上的准确率为0.689,讨论了模型改进的方向。
最低0.47元/天 解锁文章
1059

被折叠的 条评论
为什么被折叠?



