编写一个程序，采用 scikit-learn 中的 LogisticRegression 逻辑回归模型对 iris 数据集进行多分类

好的，下面是使用 scikit-learn 中的 LogisticRegression 模型对 iris 数据集进行多分类的代码：

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 建立逻辑回归模型
clf = LogisticRegression(multi_class='multinomial', solver='lbfgs', max_iter=1000)
clf.fit(X_train, y_train)

# 预测测试集的类别
y_pred = clf.predict(X_test)

# 输出分类报告
print(classification_report(y_test, y_pred))

这段代码会输出分类报告，包括每个类别的精确度、召回率和 F1 值等指标。您可以根据需要进行修改和调整。