Python基于逻辑回归预测鸢尾花品种

Python中的逻辑回归通常用于二分类问题，而预测鸢尾花品种通常是分类任务，更适合使用决策树、K近邻等算法。不过，逻辑回归也可以应用于鸢尾花数据集，特别是当我们将它视为二分类问题（比如区分两个最相似的品种），通过将其他品种作为“非此品种”来进行处理。

首先，你需要导入必要的库如`sklearn`中的`LogisticRegression`，以及数据集（可以用`iris`数据集，它是scikit-learn自带的）。然后，按照以下步骤操作：

1. 导入库并加载数据：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
import pandas as pd

iris = datasets.load_iris()

2. 准备数据（例如，选择两个品种作为类别，例如Setosa和Versicolor）：

X = iris.data[:, :2]  # 取前两维特征
y = (iris.target == 0) + (iris.target == 1)  # 将目标值编码为二进制，0代表Setosa，1代表Versicolor

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练模型：

model = LogisticRegression()
model.fit(X_train, y_train)

5. 预测和评估：

y_pred = model.predict(X_test)
accuracy = model.score(X_test, y_test)