用逻辑回归预测鸢尾花种类

Posted

技术标签:

【中文标题】用逻辑回归预测鸢尾花种类【英文标题】:Making Predictions on iris species with logisitc regression 【发布时间】:2020-10-10 12:01:38 【问题描述】:

我有一个给定的代码,它会根据花瓣长度和花瓣宽度告诉您鸢尾花数据集中的鸢尾花是否是维雷金卡鸢尾。但是我如何预测一朵全新的花呢?

%matplotlib inline
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt
iris = datasets.load_iris()

from sklearn.linear_model import LogisticRegression

X = iris["data"][:, (2, 3)]  # petal length, petal width
y = (iris["target"] == 2).astype(np.int)

log_reg = LogisticRegression(C=10**10, random_state=42)
log_reg.fit(X, y)

x0, x1 = np.meshgrid(
        np.linspace(2.9, 7, 500).reshape(-1, 1),
        np.linspace(0.8, 2.7, 200).reshape(-1, 1),
    )
X_new = np.c_[x0.ravel(), x1.ravel()]

y_proba = log_reg.predict_proba(X_new)

plt.figure(figsize=(10, 4))
plt.plot(X[y==0, 0], X[y==0, 1], "bs")
plt.plot(X[y==1, 0], X[y==1, 1], "g^")

zz = y_proba[:, 1].reshape(x0.shape)
contour = plt.contour(x0, x1, zz, cmap=plt.cm.brg)


left_right = np.array([2.9, 7])
boundary = -(log_reg.coef_[0][0] * left_right + log_reg.intercept_[0]) / log_reg.coef_[0][1]

plt.clabel(contour, inline=1, fontsize=12)
plt.plot(left_right, boundary, "k--", linewidth=3)
plt.text(3.5, 1.5, "Not Iris-Virginica", fontsize=14, color="b", ha="center")
plt.text(6.5, 2.3, "Iris-Virginica", fontsize=14, color="g", ha="center")
plt.xlabel("Petal length", fontsize=14)
plt.ylabel("Petal width", fontsize=14)
plt.axis([2.9, 7, 0.8, 2.7])
plt.show()

现在假设我有一朵新花,我正在测量:

萼片长度:4.8 萼片宽度:2.5 花瓣长度:5.3 花瓣宽度:2.4

当我尝试跟随预测时,我收到一条错误消息: ValueError: X 每个样本有 1 个特征;期待 2

log_reg.predict([[5.3], [2.4]])

所以我的问题是,我如何正确地预测一种新花以及它是什么种类的?

【问题讨论】:

【参考方案1】:

predict 方法的文档说输入参数的形状应为(n_samples, n_features),即此处为 1x2,而您的情况下的输入为 2x1。试试这个:

log_reg.predict([[5.3, 2.4]])

【讨论】:

以上是关于用逻辑回归预测鸢尾花种类的主要内容,如果未能解决你的问题,请参考以下文章

Python机器学习实战

逻辑回归的原理和python实现

逻辑回归Softmax回归 --- 鸢尾花分类

SPSS中逻辑回归的预测概率是怎么算的

逻辑回归(Logistic Regression)

逻辑回归(Logistic Regression)