用R进行逻辑斯蒂回归分类

    data_sample <- iris[51:150,];
    m <- dim(data_sample)[1]  #获取数据集记录条数
    val <- sample(m, size =round(m/3), replace = FALSE, prob= rep(1/m, m))  #抽样，选取三分之二的数据作为训练集。  
    iris.learn <- data_sample[-val,]  #选取训练集  
    iris.valid <- data_sample[val,]   #选取验证集 
    
    #调用glm函数训练逻辑斯蒂二元模型
    #glm()提供正态、指数、gamma、逆高斯、Poisson、二项分布。我们的logistic回归使用的是二项分布族binomial。Binomial族默认连接函数为logit，可设置为probit。
    logit.fit <- glm(Species~Petal.Width+Petal.Length,
    	family = binomial(link = 'logit'),
    	data = iris.learn);
    
    #生成测试数据集，实际上直接使用iris.valid
    dfrm <- data.frame(Petal