机器学习算法（一）: 基于逻辑回归的分类预测

数据及背景

link(基于逻辑回归的分类预测)

学习目标

了解 逻辑回归 的理论
掌握 逻辑回归 的 sklearn 函数调用使用并将其运用到鸢尾花数据集预测

理论知识

实践操作

1、项目要求

本次我们选择鸢花数据（iris）进行方法的尝试训练，该数据集一共包含5个变量，其中4个特征变量，1个目标分类变量。共有150个样本，目标变量为 花的类别 其都属于鸢尾属下的三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。包含的三种鸢尾花的四个特征，分别是花萼长度(cm)、花萼宽度(cm)、花瓣长度(cm)、花瓣宽度(cm)，这些形态特征在过去被用来识别物种。

具体概括就是通过鸢花数据的4个特征（花萼长度，花萼宽度，花瓣长度，花瓣宽度）来识别该鸢花属于哪一个亚属类别（山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)）

2、函数库导入`

##基础函数库
import numpy as np
import pandas as pd
##绘图函数库
import matplotlib.pyplot as plt
import seaborn as sns

3、数据读取/载入

##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
form sklearn.datasets import load_iris
data=load_iris()   #得到数据特征
data.keys()    #dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names'])
iris_target=data.target  #得到数据对应的标签
#打印得到，0，1，2分别代表'setosa','versicolor','virginica'三种不同花的类别[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) #利用Pandas转化为DataFrame格式

sklearn 的数据集有好多个种：

1. 自带的小数据集（packaged dataset）：sklearn.datasets.load_
2. 可在线下载的数据集（Downloaded Dataset）：sklearn.datasets.fetch_
3. 计算机生成的数据集（Generated Dataset）：sklearn.datasets.make_
4. svmlight/libsvm格式的数据集:sklearn.datasets.load_svmlight_file(…)
5. 从买了data.org在线下载获取的数据集:sklearn.datasets.fetch_mldata(…)

其中的自带的小数据集：

这些数据集都可以在官网上查到，以鸢尾花为例，可以在官网上找到demo，link
转化为DataFrame格式后的效果

4、数据信息简单查看

##利用.info()查看数据的整体信息
iris_features.info()
##进行简单的数据查看，我们可以利用.head()头部.tail()尾部
iris_features.head()
iris_features.tail()

结果如下：
<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 150 entries, 0 to 149
Data columns (total 4 columns):
sepal length (cm) 150 non-null float64
sepal width (cm) 150 non-null float64
petal length (cm) 150 non-null float64
petal width (cm) 150 non-null float64
dtypes: float64(4)
memory usage: 4.8 KB

##利用value_counts函数查看每个类别数量
pd.Series(iris_target).value_counts()

结果如下：

##对于特征进行一些统计描述
iris_fea