鸢尾花分类逻辑回归Python

鸢尾花分类是一个经典的机器学习问题，它的目标是根据鸢尾花的四个特征（花萼长度、花萼宽度、花瓣长度和花瓣宽度）来预测鸢尾花属于哪个品种（Setosa，Versicolor或Virginica）。逻辑回归是一种二分类算法，用于预测二元变量的输出。在鸢尾花分类问题中，我们可以将三个品种中的每一个都看作一个类，这样就需要使用多类逻辑回归。

下面是实现鸢尾花分类的逻辑回归Python代码示例：

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

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 创建逻辑回归模型并拟合数据
lr = LogisticRegression()
lr.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = lr.predict(X_test)

# 计算准确率
accuracy = np.mean(y_pred == y_test)
print("准确率为：", accuracy)

# 相关问题：
1. 什么是鸢尾花分类问题？
2. 什么是逻辑回归？
3. 如何将数据集分为训练集和测试集？
4. 如何评估逻辑回归模型的准确率？