Iris鸢尾花数据集的逻辑回归分析
逻辑回归分析(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法,是一种广义的线性回归分析模型。
逻辑回归的原理是在线性回归的基础上加了一个Sigmoid函数(非线性)映射,即把线性回归函数的结果y,放到Sigmod函数中去。逻辑回归解决分类问题,输出离散值,而线性回归解决回归问题,输出连续值。
[关键技术]
逻辑回归,调用sklearn.linear_ model模块的LogisticRegression模型;
生成二维或三维网格矩阵,调用函数meshgrid();
可参考(20条消息) python使用meshgrid绘制网格_爱打羽毛球的小怪兽的博客-CSDN博客
绘制具有非规则矩形网格的伪彩色图,调用函数pcolormesh()。此函数会自动在上述的网格的网格矩阵中填充颜色,我们可以在pcolormesh的参数对颜色等进行指定。
鸢尾花数据集共收集了三类驾尾花,即Setosa鸢尾花、Versicolour鸢尾花、Virginica驾尾花,每一-类鸢尾花收集50条样本记录,共150条。数据表中,前四列为花萼长度,花萼宽度,花瓣长度,花瓣宽度等4个用于识别鸢尾花的属性,第5列为鸢尾花的类别。
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegressioniris=load_iris()
X=iris.data[:,:2]
Y=iris.targetlr=LogisticRegression()
lr.fit(X,Y)x_min,x_max=X[:,0].min()-0.5,X[:,0].max()+0.5
y_min,y_max=X[:,1].min()-0.5,X[:,1].max()+0.5
xx,yy=np.meshgrid(np.arange(x_min,x_max,0.02),np.arange(y_min,y_max,0.02))
Z=lr.predict(np.c_[xx.ravel(),yy.ravel()])# ravel是将数组变为一维数组,np.c_是将两个数组进行连接
Z=Z.reshape(xx.shape)plt.figure(1,figsize=(8,6))
plt.pcolormesh(xx,yy,Z,cmap=plt.cm.Paired,shading='auto')
plt.scatter(X[:50,0],X[:50,1],color='red',marker='o',label='setosa')
plt.scatter(X[50:100,0],X[50:100,1],color='blue',marker='^',label='versicolor')
plt.scatter(X[100:,0],X[100:,1],color='green',marker='*',label='svirginica')plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.xlim(xx.min(),xx.max())
plt.ylim(yy.min(),yy.max())
plt.xticks(())
plt.xticks(())
plt.legend(loc=2)
plt.show()
Iris鸢尾花数据集的逻辑回归分析相关推荐
- ML之mlxtend:基于iris鸢尾花数据集利用逻辑回归LoR/随机森林RF/支持向量机SVM/集成学习算法结合mlxtend库实现模型可解释性(决策边界可视化)
ML之mlxtend:基于iris鸢尾花数据集利用逻辑回归LoR/随机森林RF/支持向量机SVM/集成学习算法结合mlxtend库实现模型可解释性(决策边界可视化) 目录 相关文章 ML之mlxten ...
- ML之DT:利用DT(DTC)实现对iris(鸢尾花)数据集进行分类并可视化DT结构
ML之DT:利用DT(DTC)实现对iris(鸢尾花)数据集进行分类并可视化DT结构 目录 输出结果 实现代码 输出结果 实现代码 #1. iris = load_iris() dir(iris)ir ...
- 数据挖掘算法和实践(二):决策树(iris鸢尾花数据集)
决策树是直观运用概率分析的树形分类器,是很常用的分类方法,属于监管学习,决策树分类过程是从根节点开始,根据特征属性值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为决策结果. 比如说买瓜的时候 ...
- Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析
在进行可视化及聚类分析前,我们需要为IDLE安装sklearn库,scikit-learn是Python的一个开源机器学习模块,它建立在NumPy,SciPy和matplotlib模块之上能够为用户提 ...
- matlab鸢尾花数据线性分析,Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析...
数据集可视化 采用Python的Sklearn机器学习库中自带的数据集--鸢尾花数据集.简单分析数据集之间特征的关系图,根据花瓣长度.花瓣宽度.花萼长度.花萼宽度四个特征进行绘图 Iris plant ...
- 鸢尾花分类_基于鸢尾花(iris)数据集的逻辑回归分类实践
今天是学习逻辑回归的第三天,不得不说还是挺难的.像我这种小白完全不能在一个小时内搞懂.我仿真这段代码时出现了错误,我还在纠错中,课业繁重,还望见谅. 接下来是代码段 Step1:库函数导入 ## 基础 ...
- matlab RBF神经网络对iris鸢尾花数据集进行分类
1.内容简介 略 601-可以交流.咨询.答疑 2.内容说明 iris以鸢尾花的特征作为数据来源,数据集包含150个数据集,分为3类(setosa,versicolor, virginica),每类5 ...
- iris鸢尾花数据集最全数据分析写在前面本文介绍数据预处理
![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9hNENBY3JTUWw5ZmliUG1xbW ...
- IRIS鸢尾花数据集(多种格式)-下载地址
最近看的例子有用到IRIS数据集, 个人找了半天,才找到合适格式的数据集. 因此,将我找到的数据集分享给大家,以免大家像我一样找很久. 我这里有3种格式的数据集,分别是: 1. iris.csv 2. ...
最新文章
- Win2008学习(二),群集的仲裁配置
- R语言使用hexSticker包将lattice包可视化的结果转换为六角图(六角贴、六角形贴纸、lattice plot to hex sticker)
- Spring4.3+Webscket 实现聊天、消息推送详解之具体实现(三)
- GreenPlum的并行查询优化策略
- Centos7.2源码安装redis
- 飞畅 Profibus总线光纤中继器产品介绍
- CF Gym100917 C
- 《黑马程序员》 block的使用(Objective - c语法)
- Oracle 在安装时,安装文件的目录不能有汉字。
- data后缀文件解码_对任何格式的文件实现加密与解密软件
- Vue2.0搭建脚手架(vue-cli)
- 爱拼车 android 源码,爱拼车 1.8.8
- 二手车APP软件开发主要功能
- xxxxxlllllxl的专栏 链接,很多实际动手操作的东西
- 【tensorflow】conv2d/conv3d/maxpool2d/maxpool3d
- boot的时候无法进入BIOS,无法使用键盘
- 字王·百字工程·2016中秋纪念
- MongoDB体系结构
- DLP4500厂商给的,这套系统对win10反应比较大,最好在win7下操作
- 画中画效果怎么给视频快速的制作?
热门文章
- 后端处理数据保存请求流程multer+ajax 数据库添加数据 前端与后端的数据联通 在business_list 页面进行数据处理 @stage3---week3--day4
- java重启进程_如何重新启动Java应用程序?
- CANoe-以太网软硬件网络自动映射的问题
- 国科大杭州高等研究院
- 私有云的优缺点_简单易懂:公有云和私有云的区别,优缺点
- ExcelWriter类:用to_excel时不覆盖之前的Excel表
- 互联网早报:腾讯小微推新功能,支持在微信中进行硬件管理和音乐分享....
- MATLAB算法实战应用案例精讲-【自动驾驶】环境感知
- 北航2018级算法期末上机部分题解
- CTFshow——DJBCTF MISC(2021年大吉杯)