【机器学习】基于Logistic regression（逻辑回归）的对鸢尾花数据集的分类与预测

一、学习知识点概要

logistic回归虽然叫回归，但是它是用来做分类的。一般它用来做二分类，多项logistic回归可以用来做多分类。
这是logistic函数图像，可以直观地看到：（无论x是多少）y的取值范围都在0~1之间。
是的，0-1的值可以表示概率，例如某个实例点，x1,通过logisitic函数计算出相应的值y1,y1=0.8,意思就是属于类别1的概率是0.8，那么我们可以认为它是类别1.
再比如，x2算出来y2=0.3,也就是说它属于类1的概率是0.3，属于类别2的概率是0.7，那么我们可以认为它是类别2

二、学习内容

首先，一些参数、方法，可以参考官方文档，他也有很多的例子

代码

1.导入库

import numpy as np 
import matplotlib.pyplot as plt

## 数据集
from sklearn.datasets import load_iris
## 数据集划分
from sklearn.model_selection import train_test_split
## LogisticRegression
from sklearn.linear_model import LogisticRegression

2.加载数据，划分训练集和测试集

## 选择其类别为0和1的样本 （不包括类别为2的样本）
iris_features_part = data.data[:100]
iris_target_part = data.targ