使用逻辑回归预测鸢尾花种类

Question

我有一个给定的代码，它根据花瓣长度和花瓣宽度告诉你鸢尾花数据集中的鸢尾花是否是 iris vireginica。但是我该如何预测一朵全新的花呢？

%matplotlib inline
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt
iris = datasets.load_iris()

from sklearn.linear_model import LogisticRegression

X = iris["data"][:, (2, 3)]  # petal length, petal width
y = (iris["target"] == 2).astype(np.int)

log_reg = LogisticRegression(C=10**10, random_state=42)
log_reg.fit(X, y)

x0, x1 = np.meshgrid(
        np.linspace(2.9, 7, 500).reshape(-1, 1),
        np.linspace(0.8, 2.7, 200).reshape(-1, 1),
    )
X_new = np.c_[x0.ravel(), x1.ravel()]

y_proba = log_reg.predict_proba(X_new)

plt.figure(figsize=(10, 4))
plt.plot(X[y==0, 0], X[y==0, 1], "bs")
plt.plot(X[y==1, 0], X[y==1, 1], "g^")

zz = y_proba[:, 1].reshape(x0.shape)
contour = plt.contour(x0, x1, zz, cmap=plt.cm.brg)


left_right = np.array([2.9, 7])
boundary = -(log_reg.coef_[0][0] * left_right + log_reg.intercept_[0]) / log_reg.coef_[0][1]

plt.clabel(contour, inline=1, fontsize=12)
plt.plot(left_right, boundary, "k--", linewidth=3)
plt.text(3.5, 1.5, "Not Iris-Virginica", fontsize=14, color="b", ha="center")
plt.text(6.5, 2.3, "Iris-Virginica", fontsize=14, color="g", ha="center")
plt.xlabel("Petal length", fontsize=14)
plt.ylabel("Petal width", fontsize=14)
plt.axis([2.9, 7, 0.8, 2.7])
plt.show()

现在假设我有一朵新花，我测量：

萼片长度：4.8
萼片宽度：2.5
花瓣长度：5.3
花瓣宽度：2.4

当我尝试跟随预测时，我收到一条错误消息： ValueError：X 每个样本有 1 个特征；期待 2

log_reg.predict([[5.3], [2.4]])

所以我的问题是，我如何在这里正确预测新花及其种类？

Answer 1

predict 方法的文档说明输入参数的形状应为 (n_samples, n_features)，即此处为 1x2，而您的输入为 2x1。试试这个：

log_reg.predict([[5.3, 2.4]])

使用逻辑回归预测鸢尾花种类

Making Predictions on iris species with logisitc regression

python

numpy

scikit-learn

logistic-regression

iris-dataset