基于鸢尾花数据集的逻辑回归分类实践

「已注销」

已于 2023-12-24 23:31:59 修改

阅读量1.9k

点赞数 38

CC 4.0 BY-SA版权

文章标签：逻辑回归分类算法机器学习人工智能

于 2023-12-24 23:30:51 首次发布

本文链接：https://blog.csdn.net/2201_75381449/article/details/135188902

本文介绍了逻辑回归的基本原理，包括Sigmoid函数的应用和决策边界构建。通过鸢尾花数据集进行实例，展示了如何使用sklearn中的LogisticRegression进行训练和预测，以及评估模型的准确度和混淆矩阵。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于鸢尾花数据集的逻辑回归分类实践

重要知识点

逻辑回归原理简介：

Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别），所以利用了Logistic函数（或称为Sigmoid函数），函数形式为：
$logi(z)=\frac{1}{1+e^{-z}}$

其对应的函数图像可以表示如下:

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-5,5,0.01)
y = 1/(1+np.exp(-x))

plt.plot(x,y)
plt.xlabel('z')
plt.ylabel('y')
plt.grid()
plt.show()

在这里插入图片描述
通过上图我们可以发现 Logistic 函数是单调递增函数，并且在z=0的时候取值为0.5，并且 $logi(⋅)logi(\cdot)$ 函数的取值范围为 $(0, 1)$ 。

而回归的基本方程为 $z=w0+∑iNwixiz=w_0+\sum_i^N w_ix_i$

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

「已注销」

关注关注

38
点赞
踩
25

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

机器学习算法 —— 基于鸢尾花数据集的逻辑回归分类

ZShiJ的博客

06-05

558

逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；缺点：容易欠拟合，分类精度可能不高。

逻辑回归实现鸢尾花分类

m0_51456926的博客

01-17

6062

from sklearn.datasets import load_iris import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import classification_report iris=load_iris() #print(iris) print(iris['target_names'])#分类名称 data=iris.data#样本数据150个样本每个样本4个维度 target=iris.targe

参与评论您还未登录，请先登录后发表或查看评论

阿里云天池机器学习训练营（Day1打卡）：基于逻辑回归的分类预测

weixin_41855010的博客

11-04

1058

一、学习内容概括二、具体学习内容 1.逻辑回归的介绍和应用 1.1 逻辑回归的介绍 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣势: 优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；缺点：

Task01:逻辑回归的理论--阿里云天池

weixin_46409996的博客

12-17

881

基于鸢尾花（iris）数据集的逻辑回归分类实践 Step1:库函数导入基础函数库 import numpy as np import pandas as pd 绘图函数库 import matplotlib.pyplot as plt import seaborn as sns 其中：numpy （Python进行科学计算的基础软件包），pandas（pandas是一种快速，强大，灵活且易于使用的开源数据分析和处理工具），matplotlib和seaborn绘图。seaborn就是在matplotl

机器学习示例之逻辑回归模型对鸢尾花进行分类的python完整代码

搏博的专栏

05-26

1118

该数据集包含150个样本，分为3 个类别（山鸢尾Setosa、杂色鸢尾Versicolor、维吉尼亚鸢尾Virginica，各50个样本），每个样本描述了鸢尾花的4个特征：萼片长度（sepal length）、萼片宽度（sepal width）、花瓣长度（petal length）、花瓣宽度（petal width）（单位均为厘米）。训练集是用于训练回归模型的，当训练好后，用测试集进行测试，看训练出来的模型，在测试集上预测的结果与训练集中的实际结果进行比较，看是否一致，或是判断误差大小。

监督学习——使用逻辑回归对鸢尾花种类进行分类

2301_81480617的博客

01-26

1410

机器学习中另一个有名的数据集叫做Iris(鸢尾花)数据集，Iris数据集包含了来自三种不同品种：山鸢尾，变色鸢尾和弗吉尼亚鸢尾总共150朵鸢尾花的测量数据。这些测量数据包括花瓣的长度和宽度、花萼的长度和宽度，所有测量数据的计量单位为厘米。我们的目标是构建一个机器学习模型，从这些已知品种的鸢尾花测量数据中学习而对新鸢尾花进行品种分类。

应用逻辑回归方法对鸢尾花进行分类

无心

12-03

2675

应用逻辑回归方法对鸢尾花进行分类 1. 实验目标 逻辑回归 了解Iris数据集 2. 本次实验主要使用的 ????????????ℎ????????Python 库名称版本简介 numpy 1.16.21.16.2 线性代数 opencv−python 4.1.1.264.1.1.26 计算机视觉 scikit−learn 0.20.30.20.3 机器学习 Matplotlib 3.0.33.0.3 数据可视化 3. 适用的对象具备Python基础 Numpy

机器学习(十一)-逻辑回归实践篇之鸢尾花数据集分类

最新发布

08-02

# 基于Python的鸢尾花数据集逻辑回归分类项目 ## 项目简介本项目是基于Python和机器学习框架构建的逻辑回归模型，主要针对鸢尾花（Iris）数据集进行分类操作。其核心目的是运用梯度下降法训练逻辑回归模型，从而...

基于逻辑回归的鸢尾花二分类实验python源码+数据集+详细注释.zip

06-13

基于逻辑回归的鸢尾花二分类实验python源码+数据集+详细注释.zip基于逻辑回归的鸢尾花二分类实验python源码+数据集+详细注释.zip基于逻辑回归的鸢尾花二分类实验python源码+数据集+详细注释.zip基于逻辑回归的鸢尾花...

机器学习算法（一）: 基于逻辑回归的分类预测

handsomeandge的博客

12-22

1351

这里先给出阿里云机器学习训练营地址：阿里云机器学习训练营，可以将其代码下载进行学习或者参加最后一个任务的比赛。 1 逻辑回归的介绍和应用 1.1 逻辑回归的介绍 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣

基于sklearn的logistic回归对于鸢尾花的机器学习分类实践

12-22

sklearn(scikit-learn)是python机器学习常用的第三方模块，是一个开源的机器学习库，它支持监督学习和非监督学习。它还为模型拟合、数据预处理、模型选择和评估以及许多其他实用工具提供了各种工具。sklearn对机器学习的常用算法进行了封装，包括回归、降维、分类、聚类等。对于以下的机器学习分类实践所用到的函数及方法进行说明。 1.np.c_[ ]和np.r_[ ]的用法解析 >>> import numpy as np >>> a=np.array([[1,2,3],[4,5,6]]) >>> a array([[1, 2, 3], [4, 5, 6]]) >>>

05-20

【python机器学习】逻辑回归算法实现（基于鸢尾花数据集）-附件资源

03-02

【python机器学习】逻辑回归算法实现（基于鸢尾花数据集）-附件资源

逻辑回归、Softmax回归 --- 鸢尾花分类

我的博客

05-12

4222

逻辑回归、Softmax回归--- 鸢尾花分类

使用逻辑回归对鸢尾花进行分类

没有胡子的猫Asimov

07-04

1351

使用逻辑回归对鸢尾花进行分类 import numpy as np import matplotlib.pyplot as plt from sklearn import linear_model from sklearn.metrics import accuracy_score from sklearn.datasets import load_iris # 加载数据集 iris = load_iris() # 打印数据集描述 print(iris.DESCR) .. _iris_dataset:

逻辑回归简单案例分析--鸢尾花数据集

weixin_44911248的博客

01-04

2126

Iris也称鸢尾花卉数据集,是常用的分类实验数据集，由R.A. Fisher于1936年收集整理的。其中包含3种植物种类，分别是山鸢尾（setosa）变色鸢尾（versicolor）和维吉尼亚鸢尾（virginica），每类50个样本，共150个样本。该数据集包含4个特征变量，1个类别变量。iris每个样本都包含了4个特征：花萼长度，花萼宽度，花瓣长度，花瓣宽度，以及1个类别变量（label）。我们需要建立一个分类器，分类器可以通过这4个特征来预测鸢尾花卉种类是属于山鸢尾，变色鸢尾还是维吉尼亚鸢尾。

《机器学习》实验二：利用逻辑回归进行鸢尾花的分类

ProgramNovice的博客

10-29

3180

《机器学习》实验二：利用逻辑回归进行鸢尾花的分类

基于逻辑回归模型对鸢尾花数据集进行分类

weixin_50950634的博客

10-30

2782

基于逻辑回归模型对鸢尾花数据集进行分类理论知识不做过多赘述，相关知识有：指数分布族、GLM建模（分布函数+连接函数，对于本例来说是二项分布+sigmoid函数）、最大似然函数、交叉熵函数（评估逻辑回归模型的目标函数）。该分类问题关注的是通过已知的概率结果来推算出未知参数。对未知参数做自变量的对数似然函数求导，解得极值处的方程并代入连接函数，根据分布类型，即可推导出sigmoid函数，这便是该模型的来历。由这

Logistic回归分类器应用于鸢尾花数据集研究

此外，文档还涵盖了回归分析的基础知识，鸢尾花数据集的介绍及其在逻辑回归分类器训练中的作用。" 知识点详细说明: 1. 逻辑回归（Logistic Regression）基础 逻辑回归是一种概率型非线性模型，虽然名为回归，但...