python使用鸢尾花数据集实逻辑回归

好的，针对你的问题，我可以给你以下的代码示例，使用sklearn库中的逻辑回归模型，对鸢尾花数据集进行分类：

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data[:, :2]  # 只选取前两个特征
y = iris.target

# 训练逻辑回归模型
clf = LogisticRegression(random_state=0)
clf.fit(X, y)

# 预测新样本
new_samples = [[5.0, 3.6], [6.9, 3.2]]
print("New samples:", new_samples)
print("Predictions:", clf.predict(new_samples))

以上代码中，首先我们使用`load_iris()`函数加载鸢尾花数据集，然后只选取了前两个特征作为模型的输入。接着使用`LogisticRegression`类定义了一个逻辑回归模型，并用`fit()`方法训练模型。最后，我们使用训练好的模型对两个新样本进行预测。