使用load_iris加载数据集，查看包含的keys

知识点
sklearn的数据集在datasets模块，自带的数据集以"load_"开头
加载的iris数据集是可以字典类型使用
对应的Keys包含 [‘data’, ‘target’, ‘frame’, ‘target_names’, ‘DESCR’, ‘feature_names’, ‘filename’]

from sklearn.datasets import load_iris# 1-load_iris加载数据集
iris = load_iris()# 查看包含的keys
iris.keys()

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

iris['filename']

'D:\\Anaconda3\\lib\\site-packages\\sklearn\\datasets\\data\\iris.csv'

查看数据的列名，分类目标的名称

“feature_names”:表示数据data每列的特征值的名称
“target_names”:分类目标对应的名称

# 查看数据的列名，分类目标的名称
iris['feature_names']

['sepal length (cm)','sepal width (cm)','petal length (cm)','petal width (cm)']

# DataFrame
import pandas as pdpd.DataFrame(data=iris['data'],columns=iris['feature_names'])

	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
...	...	...	...	...
145	6.7	3.0	5.2	2.3
146	6.3	2.5	5.0	1.9
147	6.5	3.0	5.2	2.0
148	6.2	3.4	5.4	2.3
149	5.9	3.0	5.1	1.8

获取data和target，并打印各自的shape

通过字典的键值可以直接获取到对应的数据
data和target对应的数据类型是numpy的ndarry类型，可以用shape获取其大小

# 分类目标的名称
iris['target_names']

array(['setosa', 'versicolor', 'virginica'], dtype='<U10')

# 获取data和target，并打印各自的shapedata = iris['data']
print(type(data),data.shape)
target = iris['target']
print(type(target),target.shape)

<class 'numpy.ndarray'> (150, 4)
<class 'numpy.ndarray'> (150,)

拆分训练集和测试集

在model_selection模块中使用train_test_split对数据集进行训练集和测试集的划分

from sklearn.model_selection import train_test_split

'''
第一个参数：数据集
第二个参数：目标集
第三个参数：测试集所占比例
'''
data_train,data_test,target_train,target_test = \
train_test_split(data,target,test_size=0.3)

data_train.shape

(105, 4)

使用逻辑回归训练。在测试集上计算准确率

使用模型：linear_modeld的LogisticRegression
步骤：

• 导入模块linear_modeld.LogisticRegression
• 初始化模型 LogisticRegression()
• 训练fit()
• 查看分数（效果）score()

from sklearn.linear_model import LogisticRegression

model = LogisticRegression(max_iter=1000) # 定义最大迭代次数

model.fit(data_train,target_train) # 进行训练

LogisticRegression(max_iter=1000)

# 查看在训练集上评分
model.score(data_train,target_train)

0.9619047619047619

# 查看在测试集上的评分
model.score(data_test,target_test)

0.9555555555555556

在测试集上实现预测

预测，使用模型提供的predict方法执行预测

LogisticRegression(max_iter=1000)
target_predict = model.predict(data_test)import pandas as pd
df = pd.DataFrame(target_predict,columns=["预测结果"])df['实际结果'] = target_test
df.shape #(45, 2)

输出和理解混淆矩阵

衡量预测结果的好坏
使用metrics.confusion_matrix

from sklearn.metrics import confusion_matrix

# 输出混淆矩阵
confusion_matrix(target_test,target_predict)

array([[13,  0,  0],[ 0, 14,  1],[ 0,  1, 16]], dtype=int64)

# 查看分类错误的数据
df.loc[df['实际结果']==0]

	预测结果	实际结果
0	0	0
2	0	0
11	0	0
13	0	0
18	0	0
20	0	0
22	0	0
25	0	0
31	0	0
33	0	0
39	0	0
40	0	0
44	0	0

输出和理解分类报告

from sklearn.metrics import classification_report

# 输出混淆矩阵
print(classification_report(target_test,target_predict,target_names=iris['target_names']))

              precision    recall  f1-score   supportsetosa       1.00      1.00      1.00        13versicolor       0.93      0.93      0.93        15virginica       0.94      0.94      0.94        17accuracy                           0.96        45macro avg       0.96      0.96      0.96        45
weighted avg       0.96      0.96      0.96        45

​