机器学习(十一)-逻辑回归实践篇之鸢尾花数据集分类

1 项目描述

使用逻辑回归算法来对鸢尾花进行分类；

数据集包括训练数据train.txt和测试数据test.txt；测试数据中，每个样本包括特定的几个特征参数，最后是一个类别标签，而测试数据中的样本则只包括了特征参数

2 逻辑回归：鸢尾花数据集分类

2.1 鸢尾花数据信息

• Sepal length: 花萼长度

• Sepal width: 花萼宽度

• Petal length: 花瓣长度

• Petal width: 花瓣宽度
  

2.2 鸢尾花分类

2.3 问题描述

如果： 花萼长度，花萼宽度， 花瓣长度，花瓣宽度为5.1, 3.5, 1.4, 0.2
问：是什么花

3 分析问题

3.1 加载数据集

def load_data():
    """
    加载数据集
    :return:
        X： 花瓣宽度
        Y: 鸢尾花类型
    """
    # 加载sklearn包自带的鸢尾花数据;
    iris = datasets.load_iris()
    # # 查看鸢尾花的数据集
    # print(iris)
    # # 查看鸢尾花的key值；
    # # dict_keys(['data', 'target', 'target_names', 'DESCR','feature_names', 'filename'])
    # print(iris.keys())
    # # 获取鸢尾花的特性： ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
    # print(iris['feature_names'])
    # print(iris['data'])
    # print(iris['target'])
    # 因为花瓣的相关系数比较高， 所以分类效果比较好， 所以我们就用花瓣宽度当作x;
    X = iris['data'][:, 3:]
    # 获取分类的结果
    Y = iris['target']
    return  X, Y

3.2 可视化展示

图形配置

def configure_plt(plt):
    """
    配置图形的坐标表信息
    """
    # 获取当前的坐标轴, gca = get current axis
    ax = plt.gca()
    # 设置x轴, y周在(0, 0)的位置
    ax.spines['bottom'].set_position(('data', 0))
    ax.spines['left'].set_position(('data', 0))

    # 绘制x，y轴说明
    plt.xlabel('petal width (cm)')  # 花瓣宽度
    plt.ylabel('target')    # 鸢尾花类型
    return  plt

• 绘图

def