一、项目简介

本实战项目聚焦于经典的鸢尾花数据集，利用Logistic回归模型实现对三种不同品种鸢尾花的分类任务。该项目涵盖了从数据加载、探索性分析、预处理到模型训练与评估的完整机器学习流程，非常适合作为入门级实践案例。

二、数据加载与初步查看

1. 加载数据集

在任何机器学习项目中，第一步都是正确加载所需的数据集，这一步虽基础却至关重要。

2. 查看标签信息

代码中的变量代表目标变量（target variable），也被称为“标签”或“输出”，即我们希望模型预测的内容。

y

在鸢尾花数据集中，y的具体取值如下：

• 0 → 山鸢尾
• 1 → 变色鸢尾
• 2 → 维吉尼亚鸢尾

由此可见，该数据集属于典型的多分类问题。

3. 小结

上述步骤是整个鸢尾花分类项目的起点，为后续的数据处理和模型构建打下基础。掌握这一环节对于理解完整的机器学习工作流具有重要意义。

4. 完整代码展示

# 导入scikit-learn库中的datasets模块，该模块包含多个经典数据集
from sklearn import datasets

# 加载鸢尾花(Iris)数据集
# 这是一个经典的机器学习数据集，包含3种鸢尾花的测量数据
iris = datasets.load_iris()

# 获取特征数据，输入变量
# X包含4个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度
# 形状为(150, 4)，表示150个样本，每个样本4个特征
X = iris.data

# 获取目标标签（输出变量）
# y包含每个样本对应的鸢尾花品种标签
# 0: 山鸢尾 1:变色鸢尾 2: 维吉尼亚鸢尾
y = iris.target

# 打印目标标签数组y的内容
# 这将显示一个包含150个元素的数组，元素值为0、1或2
# 用于直观了解数据分布和标签编码
print(y)

三、数据集划分

1. 引入train_test_split模块

为了科学地评估模型性能，需将数据划分为训练集和测试集。这里使用sklearn.model_selection中的train_test_split工具完成此操作。

from sklearn.model_selection import train_test_split

2. 执行数据分割

调用train_test_split()函数进行合理的数据划分，确保训练与测试样本分布合理。

将鼠标悬停在函数名上时，会显示其参数说明：

3. 实用小技巧

返回的四个变量通常成对出现，建议直接复制整行代码以减少手动输入错误。

train_test_split

X_train, X_test, y_train, y_test

4. 完整源码及注释

# 导入scikit-learn库中的datasets模块，该模块包含多个经典数据集
from sklearn import datasets

# 导入train_test_split函数，用于将数据集划分为训练集和测试集
from sklearn.model_selection import train_test_split

# 加载鸢尾花(Iris)数据集
# 这是一个经典的机器学习数据集，包含3种鸢尾花的测量数据
iris = datasets.load_iris()

# 获取特征数据（输入变量）
# X包含4个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度
# 形状为(150, 4)，表示150个样本，每个样本4个特征
X = iris.data

# 获取目标标签（输出变量）
# y包含每个样本对应的鸢尾花品种标签
# 0: setosa(山鸢尾), 1: versicolor(变色鸢尾), 2: virginica(维吉尼亚鸢尾)
# 形状为(150,)，表示150个样本对应的类别
y = iris.target

# 打印目标标签数组y的内容
# 这将显示一个包含150个元素的数组，元素值为0、1或2
# 用于直观了解数据分布和标签编码
print(y)

# 将完整数据集划分为训练集和测试集
# X_train, y_train: 用于模型训练的特征和标签
# X_test, y_test: 用于模型评估的特征和标签
# test_size=0.2: 指定测试集占总数据集的20%，训练集占80%
# 随机种子未设置，每次运行划分结果可能不同
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

四、构建逻辑回归模型

1. 导入相关模块

首先需要导入LogisticRegression类，用于创建分类模型。

from sklearn.linear_model import LogisticRegression

2. 初始化模型对象

通过实例化LogisticRegression来创建一个可用于训练的模型。

lr = LogisticRegression();

3. 多分类策略参数详解

Logistic回归中有一个关键参数用于指定如何处理多分类问题，其可选值包括：

multi_class参数介绍

multi_class

• ovr (One-vs-Rest)：为每个类别单独训练一个二分类器，将其与其他所有类别区分开。
• multinomial：直接优化多项式损失函数，适用于真正的多分类场景，即使数据为二分类也会采用此方式。
• auto：系统自动选择策略。若为二分类或满足特定条件，则选用ovr；其余情况则使用multinomial。

1)'ovr'：

2)'multinomial'：

solver='liblinear'

'ovr';

'multinomial';

4. 参数选择建议

• 对于二分类任务，ovr与multinomial效果相近。

1)

2)

• 面对多分类问题，multinomial通常能提供更精确的概率估计结果。

'multinomial'

• 当不确定如何选择时，保留默认设置（auto）是最稳妥的做法。

'auto'

5. 应用于当前项目

根据前文分析可知，鸢尾花数据集为多分类类型。

因此，在初始化模型时应合理设定multi_class参数。

lr = LogisticRegression(multi_class='multinomial');

6. 完整代码示例与注释

# 导入scikit-learn库中的datasets模块，该模块包含多个经典数据集
from sklearn import datasets

# 导入train_test_split函数，用于将数据集划分为训练集和测试集
from sklearn.model_selection import train_test_split

# 导入LogisticRegression类，用于创建逻辑回归分类模型
from sklearn.linear_model import LogisticRegression

# 加载鸢尾花数据集
# 这个数据集包含3种不同品种鸢尾花的测量数据
iris = datasets.load_iris()

# 获取特征数据 - 花瓣和花萼的尺寸测量值
X = iris.data

# 获取目标标签 - 每朵花对应的品种（0=山鸢尾，1=变色鸢尾，2=维吉尼亚鸢尾）
y = iris.target

# 打印目标标签，查看数据中包含哪些品种
print(y)

# 将数据分成训练集和测试集
# 80%的数据用于训练模型，20%的数据用于测试模型效果
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建一个逻辑回归分类器
# multi_class='multinomial'表示使用多分类方法处理3种花的问题
lr = LogisticRegression(multi_class='multinomial')

7. 小结

以上代码完成了AI模型训练前的所有准备工作，相当于为模型搭建好了学习框架。接下来只需将训练数据输入模型即可开始学习过程。

五、模型训练阶段

1. 引入准确率评估函数

导入accuracy_score函数，以便后续计算模型预测结果的准确率。

from sklearn.metrics import accuracy_score

2. 启动模型训练

使用训练集数据对逻辑回归模型进行训练，使其学会根据花瓣和花萼的尺寸特征判断鸢尾花的种类。

lr.fit(X_train,y_train)

3. 完整代码与详细注释

# 导入scikit-learn库中的datasets模块，该模块包含多个经典数据集
from sklearn import datasets

# 导入train_test_split函数，用于将数据集划分为训练集和测试集
from sklearn.model_selection import train_test_split

# 导入LogisticRegression类，用于创建逻辑回归分类模型
from sklearn.linear_model import LogisticRegression

# 导入accuracy_score函数，用于计算模型预测的准确率
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
# 这个数据集包含3种不同品种鸢尾花的测量数据
iris = datasets.load_iris()

# 获取特征数据 - 花瓣和花萼的尺寸测量值
X = iris.data

# 获取目标标签 - 每朵花对应的品种（0=山鸢尾，1=变色鸢尾，2=维吉尼亚鸢尾）
y = iris.target

# 打印目标标签，查看数据中包含哪些品种
print(y)

# 将数据分成训练集和测试集
# 80%的数据用于训练模型，20%的数据用于测试模型效果
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建一个逻辑回归分类器
# multi_class='multinomial'表示使用多分类方法处理3种花的问题
lr = LogisticRegression(multi_class='multinomial')

# 使用训练数据训练逻辑回归模型
# 模型会学习如何根据花的特征（花瓣、花萼尺寸）来识别花的品种
lr.fit(X_train, y_train)

4. 小结

此部分实现了AI模型的核心训练流程，使模型掌握了区分三种鸢尾花的能力。下一步将使用测试集——相当于“考试卷”——来检验模型的学习成果。

六、模型预测与性能评估

1. 对测试集进行预测

利用已训练好的模型对测试集中的样本进行类别预测，模型会依据所学规律判断每朵花的品种。

y_pred = lr.predict(X_test)

2. 输出预测准确率

准确率反映了模型正确分类的比例，是衡量分类模型性能的关键指标之一。

print("准确率：%.2f" % accuracy_score(y_test, y_pred))

3. 完整代码与注释说明

# 导入scikit-learn库中的datasets模块，该模块包含多个经典数据集
from sklearn import datasets

# 导入train_test_split函数，用于将数据集划分为训练集和测试集
from sklearn.model_selection import train_test_split

# 导入LogisticRegression类，用于创建逻辑回归分类模型
from sklearn.linear_model import LogisticRegression

# 导入accuracy_score函数，用于计算模型预测的准确率
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
# 这个数据集包含3种不同品种鸢尾花的测量数据
iris = datasets.load_iris()

# 获取特征数据 - 花瓣和花萼的尺寸测量值
X = iris.data

# 获取目标标签 - 每朵花对应的品种（0=山鸢尾，1=变色鸢尾，2=维吉尼亚鸢尾）
y = iris.target

# 打印目标标签，查看数据中包含哪些品种
print(y)

# 将数据分成训练集和测试集
# 80%的数据用于训练模型，20%的数据用于测试模型效果
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建一个逻辑回归分类器
# multi_class='multinomial'表示使用多分类方法处理3种花的问题
lr = LogisticRegression(multi_class='multinomial')

# 使用训练数据训练逻辑回归模型
# 模型会学习如何根据花的特征（花瓣、花萼尺寸）来识别花的品种
lr.fit(X_train, y_train)

# 使用训练好的模型对测试集进行预测
# 模型会根据学习到的规律，预测测试集中每朵花的品种
y_pred = lr.predict(X_test)

# 计算并显示模型在测试集上的准确率
# 准确率表示模型预测正确的比例，是评估模型性能的重要指标
print("准确率：%.2f" % accuracy_score(y_test, y_pred))

4. 小结

本节完整展示了如何训练一个能够识别鸢尾花品种的AI模型，并对其识别能力进行量化评估。通过这一流程，我们可以清晰了解模型是否真正掌握了分类规律及其实际表现水平。

七、最终预测结果展示

八、常见问题排查

1. 缺失scikit-learn库的问题

在PyCharm中运行from sklearn import datasets时，若出现红色波浪线或程序报错，通常意味着未安装scikit-learn库。

缺少该库会导致无法正常使用相关功能，例如：

运行代码后可能出现如下错误提示：

ModuleNotFoundError: No module named 'sklearn'

遇到此类问题无需紧张，这是初学者常见的环境配置问题之一。

根本原因在于：本地Python环境中尚未安装scikit-learn库。

解决方案如下：

1. 检查库是否存在：在终端执行以下命令确认是否已安装：

pip show scikit-learn



若返回结果显示未找到该库，则需进行安装。


2. 安装scikit-learn库：在终端中运行以下命令进行下载与安装：

pip install scikit-learn

按下回车键后，若出现以下界面内容，则说明下载已成功完成。

接着，可通过执行以下命令来验证 scikit-learn 库是否已正确安装：

pip show scikit-learn

如果系统返回如下所示的信息，则表明 scikit-learn 库已经成功存在于当前环境中，并且信息中还包含了该库的具体版本号。