基于逻辑回归的鸢尾花分类

2018年8月24日笔记

1.数据集

Iris（鸢尾花）数据集是多重变量分析的数据集。 数据集包含150行数据，分为3类，每类50行数据。 每行数据包括4个属性：Sepal Length（花萼长度）、Sepal Width（花萼宽度）、Petal Length（花瓣长度）、Petal Width（花瓣宽度）。可通过这4个属性预测鸢尾花属于3个种类的哪一类。 样本数据局部截图：

Iris.png

获取150个样本数据的3种方法： 1.完整的样本数据Iris.csv文件下载链接: https://pan.baidu.com/s/16N0ivGWFrmc73ustPLWPZA 密码: ugun 2.数据集链接：https://gist.github.com/curran/a08a1080b88344b0c8a7 3.在sklearn的skleanrn库中自带了iris数据集，可以导入sklearn库的datasets文件，调用datasets文件中的load_iris方法就可以获得iris数据集。 本文采用的是第3种方法，直接从sklearn库中获取数据。

2.观察数据

鸢尾花数据集详细中文解释链接：http://sklearn.apachecn.org/cn/0.19.0/datasets/index.html#iris 网页中内容如下图所示：

image.png

查看数据集对象的属性和方法，代码如下：

from sklearn.datasets import load_iris
dir(load_iris())

上面一段代码的运行结果如下：

['DESCR', 'data', 'feature_names', 'target', 'target_names']

查看数据集的描述，即打印数据集对象的DESCR属性，代码如下：

from sklearn.datasets import load_iris
print(load_iris().DESCR)

与上图中文文档的图对照阅读，可以加强对数据集的理解。 上面一段代码的运行结果如下图所示：

image.png

将150个样本4个特征组成的矩阵赋值给变量X，变量X为大写字母的原因是数学中表示矩阵使用大写字母。 将150个样本1个预测目标值组成的矩阵赋值给变量y。 载入数据集的代码如下：

from sklearn.datasets import load_iris
X = load_iris().data
y = load_iris().target

3.逻辑回归模型

利用交叉验证方法得出模型得分。 代码如下：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import ShuffleSplit

logisticRegression_model = LogisticRegression()
cv_split = ShuffleSplit(n_splits=5, train_size=0.7, test_size=0.2)
score_ndarray = cross_val_score(logisticRegression_model, X, y, cv=cv_split)
print(score_ndarray)
score_ndarray.mean()

上面一段代码的运行结果如下图所示：

交叉验证.png