机器学习系列------鸢尾花数据

alltolove

        iris是最有名的数据集，这种花有3个不同的种类，植物学家用肉眼很难区分，就算用机器学习区分的概率也没有100%。今天我们用这个数据来学习逻辑回归模型，首先引入数据集，很简单：

from sklearn import datasets

iris=datasets.load_iris()

        以上2行代码就把数据引入了，然后看一下数据里的键都有什么：

list(iris.keys())

        输出为：['feature_names', 'DESCR', 'data', 'target', 'target_names']。然后取出data里所有行的第4列，也就是花瓣的宽度：

import numpy as np
X=iris["data"][:,3:]
y=(iris["target"]==2).astype(np.int)

        以上代码里变量y是输出项（花的第三个种类）取最后一个类别，再把布尔值转换成整形0和1，1就代表真。然后建立逻辑回归模型：

from sklearn.linear_model import LogisticRegression

log_reg=LogisticRegression()
log_reg.fit(X,y)

        用模型预测出概率之后画图：

X_new=np.linspace(0,3,1000).reshape(-1,1)
y_proba=log_reg.predict_proba(X_new)

%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt

plt.plot(X_new,y_proba[:,1],"g-",label="Iris-Virginica")
plt.plot(X_new,y_proba[:,0],"b-",label="Not Iris-Virginica")
plt.legend(loc="right")

        以上代码第一行是从0到3取1000个点转换成列向量，预测出这所有点是Iris-Virginica这种花的概率来，输出图像为：

        上图横轴代表花瓣宽度（单位厘米），纵轴是概率。在1.6厘米这里是个交叉点，是大于1.6厘米的，逻辑回归模型就认为这是Iris-Virginica这种花。然后我们做个多项分类：

X=iris["data"][:,(2,3)]
y=iris["target"]

softmax_reg=LogisticRegression(multi_class="multinomial",solver="lbfgs",C=10)
softmax_reg.fit(X,y)

        这就是用花瓣的长度和宽度来判断是哪种花，然后判断一下：

softmax_reg.predict([[5,2]])

        我们让模型帮我们预测一下5厘米长2厘米宽的花瓣是什么花，输出结果为：array([2])。就是第三种花。再看一下概率是多少：

softmax_reg.predict_proba([[5,2]])

        输出为：array([[  6.33134077e-07,   5.75276067e-02,   9.42471760e-01]])。显示就第三种的概率最大。