数据挖掘鸢尾花实验报告,鸢尾花数据集分类实验报告
5.2基于iris数据集的logistic回归分类的实践才刚刚开始。我们首先需要导入一些基础函数库包括：numpy(Python用于科学计算的基础软件包)，
Pandas(pandas是一款快速、强大、灵活、易用的开源数据分析处理工具)、matplotlib和seaborn drawing。
5.2.2库函数导入# #基础函数库导入numpy as NP导入panda as PD # #绘图函数库导入matplotlib.py plot as PLT导入seaborn as SNS本次我们选择iris数据集进行方法训练，包含五个变量，包括四个特征变量和一个目标分类。
可变。样本150个，目标变量是花的类别，都属于鸢尾gddwd的三个亚属，即鸢尾-setosa和鸢尾变色。
杂色鸢尾和海滨鸢尾。包含三种鸢尾属植物的四个特征，即花萼长度(cm)和花萼宽度。
(厘米)，花瓣长(厘米)，花瓣宽(厘米)。这些形态特征在过去曾被用来鉴别物种。
5.2.3数据读取/加载我们使用sklearn中的iris数据作为数据加载，由Pandas将其转换为DataFrame格式。
Fromsklearn.datasets导入load _ iris data=load _ iris () #获取数据特征iris_target=data.target #获取标签iris _ features=PD . dataframe(data=data . data，Columns=data.feature_names) #通过Pandas将数据信息转换为data frame格式5.2.4数据信息的简单查看使用。info()来查看数据的整体信息。
iris_features.info()
对于简单的数据查看，我们可以使用。head()头和。尾巴()尾巴。
iris_features.head()
iris_features.tail()
对应的类别标签为，其中0、1和2分别代表“setosa”、“versicolor”和“virginica”类别。
虹膜_目标
使用value_counts函数查看每个类别的数量。
警察。系列(iris_target)。值计数()
对特征进行一些统计描述。
iris_features.describe()
从统计描述中可以看出不同数值特征的变化范围。
5.2.5可视化和描述合并的标签和特征信息。
iris _ all=iris _ features . copy()# #做一个浅拷贝，防止对原始数据的修改iris_all[target]=iris_target特征和标签组合的散乱可视化。
sns.pairplot(data=iris_all，diag_kind=hist ，hue=target)plt.show()
从上图中，我们可以发现2D不同类型花卉的不同特征组合的散点分布，以及大致的区分能力。
对于iris_features.columns中的col:SNS . box plot(x= target ，y=col，saturation=0.5，palette=pastel ，data=iris _ all)PLT . title(col)PLT . show()
利用箱线图，我们还可以得到不同类别在不同特征中的分布差异。
#选择前三个特征从mpl _ toolkits . mplot 3d import axes 3d fig=PLT . figure(figure size=(10，8)) ax=figure.add _ plot (111，projection= 3d )iris _ all _ class 0=iris _ all[iris _ all[ target ]==0]。values iris _ all _ class 1=iris _ all[iris _ all[ target ]==1]。values iris _ all _ class 2=iris _ all[iris _ all[ target ]==2]。values# setosa(0)， versicolor(1)， virginica (2)ax . scatter(iris_all_class0[:0]，iris_all_class0[:1]，iris _ all _ class 0[:2]，label= setosa )ax . scatter(iris_all_class1[:0]，iris_all_class1[:1]，iris _ all _ class 1[:2]，label=versicolor )，ax.scatter(iris_all_class2[:0)，iris _ all _ all _ all _ class 2
5.2.6使用逻辑回归模型对二元分类进行训练和预测。为了正确评价模型的性能，将数据分为训练集和测试集，在训练集上训练模型，在测试集上验证模型的性能。
从sklearn.model_selection导入训练_测试_分割#选择其类别为0和一的样本（不包括类别为2的样本)虹膜_特征_部分=虹膜_特征。iloc[:100]iris _ target _ part=iris _ target[:100]#测试集大小为20%,80%/20%分x_train，x_test，y_train，y _ test=train _ test _ split(iris _ features _ part，iris_target_part，test_size=0.2，random_state=2020) #从实例中导入逻辑回归模型来自sklearn.linear_model导入物流回归#定义逻辑回归模型clf=LogisticRegression(random _ state=0，solver=lbfgs) #在训练集上训练逻辑回归模型clf.fit(x_train，y_train)
#查看其对应的wprint(逻辑回归的权重：，clf.coef_)#查看其对应的w0print(逻辑回归的截距(w0):，clf.intercept_)
#在训练集和测试集上分布利用训练好的模型进行预测train _ predict=clf预测(x _ train)测试_预测=clf。预测(x测试)来自实例导入指标##利用准确度（准确度)【预测正确的样本数目占总预测样本数目的比例】评估模型效果打印(逻辑回归的精确度为：，metrics.accuracy_score(y_train，train_predict))print(逻辑回归的精确度为：，metrics.accuracy_score(y_test，test_predict))##查看混淆矩阵（预测值和真实值的各类情况统计矩阵)混淆_矩阵_结果=指标。混淆_矩阵(测试预测，y测试)打印(混淆矩阵结果：n ，混淆_矩阵_结果)##利用热力图对于结果进行可视化plt.figure(figsize=(8，6))SNS。热图(confusion _ matrix _ result，annot=True，cmap= Blues )PLT。xlabel(“预测标签”)PLT。y标签(“真实标签”)PLT。显示()
我们可以发现其准确度为1,代表所有的样本都预测正确了。
5.2.7利用逻辑回归模型在三分类（多分类)上进行训练和预测#测试集大小为20%,80%/20%分x_train，x_test，y_train，y _ test=train _ test _ split(iris _ features，iris_target，test_size=0.2，random_state=2020)#定义逻辑回归模型clf=LogisticRegression(random _ state=0，solver=lbfgs)#在训练集上训练逻辑回归模型clf.fit(x_train，y_train)
##查看其对应的wprint(逻辑回归的权重：n ，clf.coef_)##查看其对应的w0打印(物流回归的截距(w0: n ，clf.intercept_)##由于这个是3分类，所有我们这里得到了三个逻辑回归模型的参数，其三个逻辑回归组合起来即可实现三分类
##在训练集和测试集上分布利用训练好的模型进行预测train _ predict=clf预测(x _ train)测试_预测=clf。预测(x _ test)# #由于逻辑回归模型是概率预测模型（前文介绍的p=p(y=1x，))，所有我们可以利用预测_proba函数预测其概率train _ predict _ proba=clf。预测_ proba(x _ train)测试_预测_ proba=clf。predict _ proba(x _ test)print(每个类的测试预测概率：n ，test_predict_proba)##其中第一列代表预测为0类的概率，第二列代表预测为一类的概率，第三列代表预测为2类的概率。##利用准确度（准确度)【预测正确的样本数目占总预测样本数目的比例】评估模型效果打印(逻辑回归的精确度为：，metrics.accuracy_score(y_train，train_predict))print(逻辑回归的精确度为：，metrics.accuracy_score(y_test，test_predict))
##查看混淆矩阵混淆_矩阵_结果=度量。混淆矩阵(测试预测，y测试)打印(混淆矩阵结果：n ，混淆矩阵结果)##利用热力图对于结果进行可视化plt.figure(figsize=(8，6))SNS。热图(confusion _ matrix _ result，annot=True，cmap=Blues)plt.xlabel(预测标签)plt.ylabel(真实标签)plt.show()
