元宝说，鸢尾花分类项目，是机器学习的Hello world。然后给了我一个完整的鸢尾花分类代码。
#鸢尾花分类项目from sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import accuracy_score,classification_reportimport pandas as pdimport numpy as np
#1、加载数据print("===1、加载数据===")iris = load_iris()X = iris.data #特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度y = iris.target #标签：0=山鸢尾，1=变色鸢尾，2=维吉尼亚鸢尾
print(f"数据集形状：{X.shape}") #(150,4)表示print(f"特征名：{iris.feature_names}")print(f"类别名：{iris.target_names}")
#2、查看前5条数据print("\n===2、数据预览===")df = pd.DataFrame(X,columns = iris.feature_names)df['target'] = ydf['target_name'] = df['target'].map({0:'setosa',1:'versicolor',2:'virginica'})print(df.head())
#3、划分训练集和测试集print("\n===3、划分数据集===")X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.2,random_state = 42)print(f"训练集：{X_train.shape[0]}条")print(f"测试集：{X_test.shape[0]}条")
#4、训练模型print("\n===4、训练模型===")model = LogisticRegression(max_iter = 200)model.fit(X_train,y_train)print("✔模型训练完成！")
#5、预测print("\n===5、预测与评估===")y_pred = model.predict(X_test)
#6、评估accuracy = accuracy_score(y_test,y_pred)print(f"准确率：{accuracy:.2%}")
#7、详细分类报告print("\n===6、详细分类报告===")print(classification_report(y_test,y_pred,target_names = iris.target_names))
#8、看看模型如何决策print("\n===7、模型如何判断（看系数）===")#逻辑回归是多分类，会为每个类别学一组系数for i,target_name in enumerate(iris.target_names): coef = model.coef_[i] print(f"\n【{target_name}的判断依据】") for j,feature_name in enumerate(iris.feature_names): print(f"{feature_name}:{coef[j]:.3f}")
#9、手动预测一朵新花print("\n===8、手动预测===")#随便构造一朵花的特征：花萼长5.1，花萼宽3.5，花瓣长1.4，花瓣宽0.2new_flower = [[5.1,3.5,1.4,0.2]]pred = model.predict(new_flower)pred_prob = model.predict_proba(new_flower)[0]
print(f"新花的特征：{new_flower[0]}")print(f"模型判断它是：{iris.target_names[pred[0]]}")print(f"各类别概率：")for i,name in enumerate(iris.target_names): print(f"{name}:{pred_prob[i]:.1%}")运行结果为：
先从引入的包开始看。
1、from sklearn.datasets import load_iris。
sklearn实际上是包scikit-learn的简称，如果在运行时候报错说，没有sklearn包。使用cmd命令行，应输入pip install scikit-learn下载安装，而不是pip install sklearn下载安装。
鸢尾花数据集是包scikit-learn里自带的数据集，load_iris函数的作用，就是从scikit-learn包里加载鸢尾花数据集(iris)。鸢尾花数据集，包含了3种鸢尾花（0-山鸢尾 setosa，1-变色鸢尾 versicolor，2-维吉尼亚鸢尾 virginica），150个样本，每种花各50个样本。每个样本有4个特征：花萼长度 sepal length (cm)、花萼宽度 sepal width (cm)、花瓣长度 petal length (cm)、花瓣宽度 petal width (cm)。
为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可
可以用这一段代码，查看鸢尾花数据集。
from sklearn.datasets import load_iris
#加载数据集iris = load_iris()
#查看数据集的描述信息print(iris.DESCR)
#获取特征数据和目标标签X = iris.datay = iris.target
#输出前几个样本的特征和标签，查看数据结构print(X[:5])print(y[:5])运行结果为：
数据集的详细信息：
iris.data：包含特征的数据数组，形状为 (150, 4)，即150个样本，每个样本有4个特征。
iris.target：包含目标标签的数组，形状为 (150,)，即150个样本的标签。
iris.target_names：包含目标名称的数组，对于鸢尾花数据集，它包含三个类别名称：'setosa', 'versicolor', 'virginica'。
iris.feature_names：包含特征名称的数组，对于鸢尾花数据集，它包含四个特征名称：'sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'。
iris.DESCR：数据集的完整描述。
2、from sklearn.model_selection import train_test_split。
从scikit-learn包中，导入用于划分训练集和测试集的函数，这是机器学习中，数据预处理的关键步骤。train_test_split函数的作用，是将原始数据集，按比例，随机划分为训练集（Training Set）和测试集(Test Set)。训练集会用于模型训练，测试集用于评估模型性能。
常用参数说明：
*arrays:输入数据，通常为特征矩阵X和标签向量y。
test_size:测试集比例（默认为0.25），如0.2表示20%数据作为测试集。
train_size:训练集比例（可选，若未指定则自动不足）。
random_state:随机种子，确保结果可复现。
shuffle:是否打乱数据（默认True）。
stratify:按类别比例分层划分（适用于分类任务，如stratify = y）
from sklearn.model_selection import train_test_split
#假设X是特征，y是目标变量X_train,X_test,y_train,y_test = train_test_split( X,y, test_size = 0.2, #把数据集分成80%训练集和20%测试集 random_state = 42 #固定随机状态，使得结果可复现)3、from sklearn.linear_model import LogisticRegression。
这一句的作用，是引入scikit-learn包里的逻辑回归模型，这是用于分类任务的经典线性模型。
from sklearn.linear_model import LogisticRegressionfrom sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_split
#加载数据iris = load_iris()X,y = iris.data,iris.target
#划分训练集和测试集X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.25,random_state = 42)
#创建逻辑回归模型model = LogisticRegression()
#训练模型model.fit(X_train,y_train)
#预测y_pred = model.predict(X_test)
#评估准确率accuracy = model.score(X_test,y_test)print(f"准确率：{accuracy:.4f}")print("系数：",model.coef_)print("截距：",model.intercept_)print("预测概率：\n",model.predict_proba(X_test[:1]))print("类别标签列表：",model.classes_)运行结果：
我问了一下元宝，逻辑回归模型是什么意思，能不能解释一下呢？元宝给我的解释，有点长。
准确率和类别标签，我能看懂。但是，斜率、截距、预测概率，这3项，是什么意思呢？元宝给我的回答是：
其中，这3条是最核心的功能
#创建逻辑回归模型model = LogisticRegression()
#训练模型model.fit(X_train,y_train)
#预测y_pred = model.predict(X_test)创建模型，实际上是创建一个线性函数。训练模型，是把X_train和y_train两个训练集的数据，投喂给这个线性函数，让这个线性函数自动调整系数和截距，目标是让这个线性函数完成后，成为数据不同的类别的分界线。预测，是用测试集X_test的值代入到这个训练完成了模型中，看看这个模型能不能把测试集X_test的数据分类到正确的类别里。
X_train训练集，是花的4个特征：花萼长度 sepal length (cm)、花萼宽度 sepal width (cm)、花瓣长度 petal length (cm)、花瓣宽度 petal width (cm)。
y_train训练集，是花的对应的种类，一条X_train训练集数据包括4项，对应一条y_train训练集的花的种类。
X_test测试集，也是花的4个特征，但是没有用于训练模型阶段，而是用于测试阶段。
y_test测试集，也是花的对应的种类，但是没有用于训练模型阶段，而是用于测试阶段。
#评估准确率accuracy = model.score(X_test,y_test)print(f"准确率：{accuracy:.4f}")评估准确率，就是把X_test测试集，代入模型，计算得到预测的y集，用预测的y集和y_test测试集的值进行对比。评估准确率，就是预测的y集和y_test测试集的值一致的比例。
4、from sklearn.metrics import accuracy_score,classification_report。
sklearn.metrics这个包里存放的是一些用于评估模型的指标函数。 这一句说的是，从sklearn.metrics包里，引入accuracy_score和classification_report两个指标函数。
accuracy_socre是准确率，计算模型预测正确的样本数，占样本总数的比例。
classification_report是生成分类报告函数，作用是生成包含精确度(Precision)、召回率(Recall)、F1分数(F1-score)和支持数(Support)的详细报告。
精确率（Precision）：预测为正类中实际为正的比例。
召回率（Recall）：实际为正类中被正确预测的比例。
F1-score：精确率与召回率的调和平均。
为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可
Support：每个类别的真实样本数。
Macro Average（宏平均） 是一种在多分类任务中评估模型性能的指标，它通过计算每个类别的评估指标（如精确率、召回率、F1分数）的算术平均值来得到，且每个类别权重相等。
weighted avg（加权平均）是一种考虑每个数据点权重的平均值计算方法，其核心公式为：加权平均数 = Σ(数据点 × 权重) / Σ权重。它广泛应用于分类模型评估、成绩计算、金融分析等领域，能更真实地反映不同重要性数据的综合水平。
在机器学习中，weighted avg 用于多类别分类任务的性能评估，通过将每个类别的指标（如精确率、召回率、F1-score）按其样本数量加权求和，再除以总样本数，从而避免样本不均衡对结果的影响。例如，若某一类样本量远大于其他类，其表现对整体评估结果的影响更大。
相比 macro avg（宏平均，对所有类别等权处理），weighted avg 更适合样本分布不均的场景，因为它赋予样本量大的类别更高权重，使评估结果更具代表性。
from sklearn.metrics import accuracy_score,classification_reportimport numpy as np
y_true = [0,1,0,1,1]y_pred = [0,1,1,1,0]
print("准确率：",accuracy_score(y_true,y_pred))print("\n分类报告：")print(classification_report(y_true,y_pred))y_true和y_pred，5项里只有3项是一样的，所以，准确率应该是60%。
运行结果：
5、
import pandas as pd
import numpy as np
引入pandas包和numpy包，这两个包是很常用的处理数据和处理矩阵的包。不过，我感觉，这个鸢尾花数据集的分类，不用加这两个包，好像也没问题。有点多余。
我出于好奇这三种鸢尾花的样子长什么样，去网上查了一下，鸢尾花其实原产于我国，我今天是第一次知道，又涨知识了。我让豆包帮我制作了3幅鸢尾花的工笔画图片。
山鸢尾
变色鸢尾
维吉尼亚鸢尾
为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可
