逻辑回归之鸢尾花分类

最新推荐文章于 2025-05-02 14:22:14 发布

蛮三

最新推荐文章于 2025-05-02 14:22:14 发布

阅读量4.5k

点赞数 3

分类专栏：数据分析

本文链接：https://blog.youkuaiyun.com/weixin_42881084/article/details/108116561

版权

本文通过逻辑回归对鸢尾花数据集进行分类分析。首先介绍数据集特征，然后将标签与特征信息合并，并使用散点图进行可视化，展示不同特征组合下各类别花的分布。接着，解释了Logistic回归的工作原理，强调其在二分类问题中的应用，通过Sigmoid函数计算类别概率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

导入基本库

##  基础函数库
import numpy as np 

## 导入画图库
import matplotlib.pyplot as plt
import seaborn as sns

## 导入逻辑回归模型函数
from sklearn.linear_model import LogisticRegression

鸢尾花的各个特征如下表所示：
在这里插入图片描述

导入数据集到pandas

##我们利用sklearn中自带的iris数据作为数据载入，并利用Pandas转化为DataFrame格式
from sklearn.datasets import load_iris
data = load_iris() #得到数据特征
iris_target = data.target #得到数据对应的标签
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) #利用Pandas转化为DataFrame格式
##利用.info()查看数据的整体信息
iris_features.info();

Out:
RangeIndex: 150 entries, 0 to 149
Data columns (total 4 columns):
Column Non-Null Count Dtype
0 sepal length (cm) 150 non-null float64
1 sepal width (cm) 150 non-null float64
2 petal length (cm) 150 non-null float64
3 petal width (cm) 150 non-null float64
dtypes: float64(4)
memory usage: 4.8 KB

##对于特征进行一些统计描述

iris_features.describe()

在这里插入图片描述

合并标签和特征信息

iris_all = iris_features.copy() ##进行深拷贝，防止对于原始数据的修改
iris_all[‘target’] = iris_target

特征与标签组合的散点可视化

sns.pairplot(data=iris_all,diag_kind=‘hist’, hue= ‘target’)
plt.show()
在这里插入图片描述
从上图可以发现，在2D情况下不同的特征组合对于不同类别的花的散点分布，以及大概的区分能力。

##为了正确评估模型性能，将数据划分为训练集和测试集，并在训练集上训练模型，在测试集上验证模型性能。
from sklearn.model_selection import train_test_split
##选择其类别为0和1的样本（不包括类别为2的样本）
iris_features_part

最低0.47元/天解锁文章