【机器学习】基于Logistic regression（逻辑回归）的对鸢尾花数据集的分类与预测

elif:

已于 2022-01-18 18:51:41 修改

阅读量2.7k

点赞数 2

分类专栏：机器学习文章标签：机器学习逻辑回归分类 python 经验分享

于 2022-01-18 18:22:12 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_46249565/article/details/122561509

版权

本文介绍了如何使用逻辑回归进行鸢尾花数据集的分类。通过导入库、加载数据、划分训练集和测试集，利用逻辑回归模型进行二分类和三分类的训练与预测。同时，讨论了模型准确率的评估方法和随机数种子的作用，并推荐使用Spyder进行数据查看。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、学习知识点概要

这是logisic函数
logistic回归虽然叫回归，但是它是用来做分类的。一般它用来做二分类，多项logistic回归可以用来做多分类。
这是logistic函数图像，可以直观地看到：（无论x是多少）y的取值范围都在0~1之间。
是的，0-1的值可以表示概率，例如某个实例点，x1,通过logisitic函数计算出相应的值y1,y1=0.8,意思就是属于类别1的概率是0.8，那么我们可以认为它是类别1.
再比如，x2算出来y2=0.3,也就是说它属于类1的概率是0.3，属于类别2的概率是0.7，那么我们可以认为它是类别2

二、学习内容

首先，一些参数、方法，可以参考官方文档，他也有很多的例子

代码

1.导入库

import numpy as np 
import matplotlib.pyplot as plt

## 数据集
from sklearn.datasets import load_iris
## 数据集划分
from sklearn.model_selection import train_test_split
## LogisticRegression
from sklearn.linear_model import LogisticRegression

2.加载数据，划分训练集和测试集

## 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 = data.data[:100]
iris_target_part = data.

最低0.47元/天解锁文章