from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression as LR
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
from sklearn.model_selection import train_test_split # train_test_split用来划分测试集和数据集
#加载数据
iris=load_iris()
data=iris.data
target=iris.target #target指的是样本的目标属性
#print(data[0:5]) #可以看到前5行数据
#print (iris.data.shape) #可以看到iris数据集的shape,共150行4列
#print(target) #可以看到iris数据集的目标属性,很多012
x=data[0:100,[0,2]] #这个实验只取前两列花萼长度,100行,花萼宽度作为实验数据
y=target[0:100] #取100个目标属性数据
#print(y)
label=np.array(y) #把y变成一个序列
index_0=np.where(label==0) #输出是一个从0-49的列表,代表这些的索引都是0
print(index_0)
'''第23行的意思是:当label为0时,就把该索引保存在index_0里
第26行画图中用到的x[index_0,0]中,中括号里的东西作用是索引行和列
所以x[index_0,0]输出的是x数据集中共49行的第一列的内容,作为画图时的x坐标'''
plt.scatter(x[index_0,0],x[index_0,1],marker='x',color='g',lab
用sklearn对iris数据集进行逻辑回归分析
最新推荐文章于 2024-06-28 10:32:47 发布