8、鸢尾花数据集与决策树模型

实验目的

1. 深入分析逻辑回归与决策树模型的理论基础及其在实际问题中的应用。
2. 熟练掌握PySpark库的使用方法。
3. 深了解模型预测结果存储方式及其对预测效果的影响因素。

实验背景

以下基于Iris鸢尾花数据集进行分析。该数据集利用鸢尾花的各种特征作为输入，并包含了150个样本划分为三类（Setosa、Versicolor和Virginica），每一类别均包含50个样本实例。每个样本实例都由四个属性（如花瓣长度、花瓣宽度等）构成，在数据分析与机器学习领域常被用作训练与测试的数据源。研究者特别关注的是花瓣的长度与宽度这两个关键指标之间的关系模式，并希望通过分析揭示其在分类任务中的重要性及其与其他植物物种的区别特征

首先让我们先来了解逻辑回归分类器的原理与应用。其中
逻辑斯蒂回归（Logistic Regression）作为一种经典的统计学习方法
在分类问题中具有重要的应用价值。
归于一类特殊的线性模型家族中
其因变量不仅限于二元类别（Binary Classification）
还可以扩展至多类别（Multinomial Classification）的情形。

此外，我们也会探讨Decision Tree分类器的基本原理及相关应用。Decision Tree是一种基础的机器学习算法，在数据挖掘领域具有重要地位。本文将重点介绍用