鸢尾花数据集线性回归代码

鸢尾花数据集是一个经典的机器学习数据集，主要用于分类任务，但它也可以用于展示如何将其应用于简单的线性回归。在Python中，我们可以使用scikit-learn库来进行这个演示。下面是一个基本的示例，展示如何使用鸢尾花数据集进行线性回归，假设我们想预测其中一个特征（例如花萼长度）基于其他特征：

# 导入所需库
from sklearn import datasets
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 我们只取前两个特征作为输入（简化例子）
y = iris.target  # 目标变量

# 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)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)