逻辑回归Logistic Regression

一、利用scikit-learn提供的函数进行运算

      在下面这个示例中，我们会更多的使用仅属于Scikit-Learn中的函数来完成任务。

      下面这个例子中的数据源于1936年统计学领域的一代宗师费希尔发表的一篇重要论文。彼时他收集了三种鸢尾花（分别标记为setosa、versicolor和virginica）的花萼和花瓣数据。包括花萼的长度和宽度，以及花瓣的长度和宽度。我们将根据这四个特征（中的两个）来建立Logistic Regression模型从而实现对三种鸢尾花的分类判别任务。

      首先我们引入一些必要的头文件，然后读入数据（注意：仅仅使用前两个特征）

import numpy as np
from sklearn import datasets,linear_model #数据集，线性模型
from sklearn.cross_validation import train_test_split #交叉验证
from sklearn.metrics import accuracy_score,classification_report #对结果进行评估

iris = datasets.load_iris() #读入数据集
X = iris.data[:,:2] #获取样本数据
Y = iris.target #获取样本标签
for i in range(5): #打印样本数据，以便于进行查看数据
    print(X[i],Y[i])

      作为演示，我们来提取其中的前5行数据（包括特征和标签），输出如下。前面我们提到数据中共包含三种鸢尾花（分别标记为setosa、versicolor和virginica）