5.2 基于鸢尾花(iris)数据集的逻辑回归分类实践
在实践的最开始,我们首先需要导入一些基础的函数库包括:numpy (Python进行科学计算的基础软件包),
pandas(pandas是一种快速,强大,灵活且易于使用的开源数据分析和处理工具),matplotlib和seaborn绘图。
5.2.2 库函数导入
## 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
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。
5.2.3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
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
5.2.4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()
其对应的类别标签为,其中0,1,2分别代表’setosa’,‘versicolor’,'virginica’三种不同花的类别
iris_target
利用value_counts函数查看每个类别数量
pd.Series(iris_target).value_counts()
对于特征进行一些统计描述
iris_features.describe()
从统计描述中我们可以看到不同数值特征的变化范围。
5.2.5 可视化描述
合并标签和特征信息
iris_all = iris_features.copy() ##进行浅拷贝,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