使用逻辑回归模型对鸢尾花数据集进行分类代码

好的，以下是使用逻辑回归对鸢尾花数据集进行分类的 Python 代码：

# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# 创建逻辑回归模型并进行训练
clf = LogisticRegression()
clf.fit(X_train, y_train)

# 在测试集上进行预测并计算准确率
y_pred = clf.predict(X_test)
acc = accuracy_score(y_test, y_pred)
print("准确率：", acc)

以上代码使用了 Scikit-learn 库中的 LogisticRegression 类来创建逻辑回归模型，并使用 train_test_split 函数将数据集分为训练集和测试集。在训练完成后，使用 predict 方法在测试集上进行预测，并使用 accuracy_score 函数计算准确率。