回归问题：运用逻辑回归分析详解鸢尾花数据

项目背景：IRIS （IRIS数据集）

Ref：https://www.sohu.com/a/197631437_752099

数据来自大名鼎鼎的Kaggle网站,里面有很多好玩的数据集. 下面就是Iris数据:

Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa(山鸢尾)，Versicolour(杂色鸢尾)，Virginica(维吉尼亚鸢尾)）三个种类中的哪一类。

这个数据集，仅有150行，5列。该数据集的四个特征属性的取值都是数值型的，他们具有相同的量纲，不需要你做任何标准化的处理，第五列为通过前面四列所确定的鸢尾花所属的类别名称。

type(iris)
# sklearn.utils.Bunch

数据集长这样：


四个特征属性，引自数据集：
Number of Attributes: 4 numeric, predictive attributes and the class\n :Attribute Information:\n - sepal length in cm\n - sepal width in cm\n - petal length in cm\n - petal width in cm\n
花萼长度，宽度；花瓣长度，宽度

花萼是啥？？？？下图：

其它比较流行的数据集还有Adult,Wine,Car Evaluation等。
中文名 鸢尾花卉数据集 外文名 Iris data set

思路

1. 导入模型。调用逻辑回归的LogisticsRegression()函数
2. fit()训练。调用fit(x, y)的方法来训练模型，其中x为数据的属性，y为所属类型。
3. predict()预测。利用训练得到的模型对数据集进行预测，返回预测结果。

程序

# 导入模块
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression