鸢尾花数据分类实战：逻辑回归二分类实现与优化

1次阅读

共计 1844 个字符，预计需要花费 5 分钟才能阅读完成。

鸢尾花数据集是机器学习领域的经典数据集，包含 150 个样本，每个样本有 4 个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）和 1 个标签（鸢尾花种类）。虽然原始数据集包含 3 个类别，但在实际应用中，我们经常需要将其简化为二分类问题（如区分 Setosa 和 Non-Setosa）。这种简化不仅有助于理解分类算法的基本原理，还能为更复杂的多分类问题打下基础。

在众多分类算法中，逻辑回归因其简单、高效和可解释性强而成为二分类问题的首选。与其他算法相比：

SVM：适合高维空间和小样本数据，但解释性较差
决策树 ：易于理解和可视化，但容易过拟合
逻辑回归 ：计算效率高，能直接输出概率值，适合线性可分或近似线性可分的二分类问题

首先，我们需要加载数据并进行必要的预处理：

从 sklearn.datasets 导入鸢尾花数据集
将多分类问题转换为二分类（如 Setosa vs. Non-Setosa）
对特征进行标准化处理（使用 StandardScaler）
将数据集拆分为训练集和测试集（比例通常为 7:3 或 8:2）

使用 Scikit-learn 的 LogisticRegression 类可以轻松构建模型：

初始化逻辑回归模型（可设置正则化参数）
在训练集上拟合模型
在测试集上进行预测

选择合适的评估指标至关重要：

准确率 ：整体预测正确的比例
召回率 ：正例被正确识别的比例
ROC 曲线 ：展示分类器在不同阈值下的性能
混淆矩阵 ：直观显示各类别的分类情况

# 导入必要库
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import accuracy_score, classification_report

# 加载数据
iris = load_iris()
X = iris.data
y = (iris.target == 0).astype(int)  # 转换为二分类问题

# 数据预处理
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.3, random_state=42)

# 构建模型
model = LogisticRegression(penalty='l2', C=1.0, solver='lbfgs')
model.fit(X_train, y_train)

# 预测与评估
y_pred = model.predict(X_test)
print('Accuracy:', accuracy_score(y_test, y_pred))
print(classification_report(y_test, y_pred))

在实际应用中，我们可以通过以下方式优化模型性能：