采用Python编程语言自己实现一个5折交叉检验方法，采用逻辑回归分类方法，并用于鸢尾花数据的分类。

好的，下面是实现步骤。

首先，我们需要加载鸢尾花数据集。在Python中，我们可以使用scikit-learn库的load_iris函数来加载数据集。代码如下：

from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target

接下来，我们将数据集分成5个部分，每个部分包含数据集的1/5。我们将使用NumPy库的array_split函数来实现。代码如下：

import numpy as np

X_folds = np.array_split(X, 5)
y_folds = np.array_split(y, 5)

然后，我们将实现逻辑回归分类器。在Python中，我们可以使用scikit-learn库的LogisticRegression类来实现。代码如下：

from sklearn.linear_model import LogisticRegression

classifier = LogisticRegression()

接下来，我们将使用5折交叉验证方法，来测试我们的逻辑回归分类器的准确性。代码如下：

scores = []
for i in range(5):
    X_train = list(X_folds)
    X_test = X_train.pop(i)
    X_train = np.concatenate(X_train)
    y_train = list(y_folds)
    y_test = y_train.pop(i)
    y_train = np.concatenate(y_train)
    
    classifier.fit(X_train, y_train)
    score = classifier.score(X_test, y_test)
    scores.append(score)

print(scores)

最后，我们可以计算平均分数，并输出结果。代码如下：

print("Average score: ", sum(scores)/len(scores))

完整代码如下：

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
import numpy as np

iris = load_iris()
X = iris.data
y = iris.target

X_folds = np.array_split(X, 5)
y_folds = np.array_split(y, 5)

classifier = LogisticRegression()

scores = []
for i in range(5):
    X_train = list(X_folds)
    X_test = X_train.pop(i)
    X_train = np.concatenate(X_train)
    y_train = list(y_folds)
    y_test = y_train.pop(i)
    y_train = np.concatenate(y_train)
    
    classifier.fit(X_train, y_train)
    score = classifier.score(X_test, y_test)
    scores.append(score)

print(scores)
print("Average score: ", sum(scores)/len(scores))

希望对你有所帮助！