5分钟掌握机器学习鸢尾花逻辑回归分类

本文将使用5分钟时间帮助大家掌握机器学习中最经典的鸢尾花分类案例。
简述
使用scikit-learn库，配合Numpy、Pandas可以使机器学习变得简单，利用基于Matplotlib的seaborn库可以更简单地实现可视化。

首先导入所要用到的库：

from sklearn import datasets 
# 我们从sklearn自带的数据集中获取数据即可
import numpy as np
import pandas as pd
import seaborn as sns
from sklearn.linear_model import LogisticRegression
# 使用逻辑回归进行学习
from sklearn.model_selection import train_test_split 
# 使用它分割数据为训练集和测试集

导入数据

sklearn为我们准备好了一些用作练习使用的数据集，其中就包括现在要使用的鸢尾花数据，我们只需要使用datasets的$loa{d}_{i}ris()$方法即可:

iris_data = datasets.load_iris()

得到的iris_data是sklearn中自带的类型，我们可以使用$iris.keys()$方法查看它包含有哪些内容，他会返回一个字典：

>>> iris.keys()

dict_keys(['data', 'target', 'frame',
            'target_names', 'DESCR', 'feature_names',
            'filename', 'data_module'])

其中包含150组数据，data表示包含的数据，target表示标签，也就是这朵花属于哪一类的鸢尾花，数据中的鸢尾花一共有3种setosa， versicolor和virginica，它们包含在target_names中，表示标签的名称。feature_names表示特征的名称，也就是鸢尾花特点的描述，比如有在数据集中有花瓣长度、宽度和花萼长度、宽度。其余内容在本例中用不到，不做过多介绍。

下面将数据和标签提取出来,并存储在Pandas的DataFrame中，：

>>> data = iris.data
>>> data = data.pd.DataFrame(data,columns = iris.target_names)
# 把列名改为特征的名称
>>> data.head()
	sepal length (cm)	sepal width (cm)	petal length (cm)	petal width (cm)
0	5.1	                3.5	                1.4	                0.2
1	4.9	                3.0	                1.4	                0.2
2	4.7	                3.2	                1.3	                0.2
3	4.6	                3.1	                1.5	                0.2
4	5.0	                3.6	                1.4	                0.2

数据可视化

使用seaborn的$pairplot()$方法可以快速查看每两个变量之间的关系，包括与它们自己：

sns.pairplot(data)

模型建立

使用sklearn的估计器建立一个逻辑回归的模型：

modle = LogisticRegression()

数据预处理

首先把所有的数据处理为训练集和测试集，以便我们对模型进行测试，使用train_test_split()方法可以很容易做到这一点，它将分别返回x训练集，x测试集，y训练集，y测试集：

x_train,x_test,y_train,y_test = train_test_split(X=data，y=iris.target,train_size=0.8)
# 80%的数据作为训练集 其余作为测试集

训练模型

使用估计器的$fit()$方法可以对模型进行训练：

model.fit(x_train,y_train)

模型评估

可以直接估计器的$score()$方法计算模型在测试集下的得分或者说准确率：

>>> model.score(x_test,y_test)
0.9333333333333333 # 正确率达到了93.33%，这与训练集和测试机的划分有关

模型预测

可以使用训练好的模型对测试机数据进行预测，也就是说，当你得知了一组关于鸢尾花特征的数据，就可以使用该模型得知它属于哪一种类：

>>> s = model.predict(x_test)
array([1, 2, 1, 2, 1, 0, 2, 1, 0, 
        0, 0, 2, 1, 0, 2, 0, 1, 2,
        1, 1, 2, 2,1, 2, 0, 2, 1, 2, 0, 0])
        # 其中0表示setosa,1表示versicolor，2表示virginica