机器学习入门：逻辑回归与代码实现

机器学习入门（1） 逻辑回归

• 1 逻辑回归的基本理论

  • 2 实操演示

    • 2.1 引入相关库函数
    • 2.2 模型构建与训练过程
    • 2.3 检查模型参数信息
    • 2.4 数据的图形展示
    • 2.5 利用模型进行预测分析

  • 3 基于鸢尾花数据集的逻辑回归分类应用

    • 3.1 数据集加载与初步观察
    • 3.2 数据的可视化呈现
    • 3.3 实现二分类任务预测
    • 3.4 完成三分类（多分类）任务预测

• 熟悉逻辑回归的相关理论知识
• 学习并掌握利用sklearn库中的函数进行逻辑回归操作，并将其应用于鸢尾花数据集的预测任务中

1 逻辑回归原理

推荐两篇撰写质量较高的网络文章

1. 逻辑回归原理详解
2. 机器学习算法（一）：逻辑回归模型（Logistic Regression, LR）

2 demo实践

以下通过一个简明的示例，对逻辑回归的实际应用方法进行初步说明。

2.1 库函数导入

    import numpy as np
    
    # 导入两个画图库
    import matplotlib.pyplot as plt
    import seaborn as s