机器学习学习笔记--Hello逻辑回归

逻辑回归是用于估计某种事物 的可能性

print(__doc__)

import numpy as np

import matplotlib.pyplot as plt

from sklearn import linear_model,datasets

iris = datasets.load_iris()

x = iris.data[:, :2]

y = iris.target

h=.02

logreg = linear_model.LogisticRegression(C=1e5)

logreg.fit(x,y)

x_min,x_max=x[:,0].min() - .5,x[:,0].max() + .5

y_min,y_max=x[:,1].min() - .5 ,x[:,1].max() + .5

xx,yy=np.meshgrid(np.arange(x_min,x_max,h),np.arange(y_min,y_max,h))

z = logreg.predict(np.c_[xx.ravel(),yy.ravel()])

z=z.reshape(xx.shape)

plt.figure(1,figsize=(4,3))

plt.pcolormesh(xx,yy,z,cmap=plt.cm.Paired)

plt.scatter(x[:,0],x[:,1],c=y,edgecolors='k',cmap=plt.cm.Paired)

plt.xlabel('Sepal length')

plt.ylabel('Sepal width')

plt.xlim(xx.min(),xx.max())

plt.ylim(yy.min(),yy.max())

plt.xticks(())

plt.yticks(())

plt.show()