逻辑回归 鸢尾花数据集

线性回归

通过历史数据拟合出一条直线，因变量与自变量是线性关系，用这条直线对新的数据进行预测。

逻辑回归

逻辑回归是一种广义的线性回归，用于预测分析，如「一封email是垃圾邮件的概率是多少」。LR的应用场景很多，如点击率预测（CTR）、天气预测、一些电商的购物搭配推荐、一些电商的搜索排序基线等。

具体应用流程：

1. 采取样本数据集
2. 训练逻辑回归模型
3. 对新数据进行判断

IRIS

Iris也称鸢尾花卉数据集,是常用的分类实验数据集，由R.A. Fisher于1936年收集整理的。其中包含3种植物种类，分别是山鸢尾（setosa）变色鸢尾（versicolor）和维吉尼亚鸢尾（virginica），每类50个样本，共150个样本。

该数据集包含4个特征变量，1个类别变量。iris每个样本都包含了4个特征：花萼长度，花萼宽度，花瓣长度，花瓣宽度，以及1个类别变量（label）。我们需要建立一个分类器，分类器可以通过这4个特征来预测鸢尾花卉种类是属于山鸢尾，变色鸢尾还是维吉尼亚鸢尾。其中有一个类别是线性可分的，其余两个类别线性不可分，这在最后的分类结果绘制图中可观察到。