# 導入必要的庫
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import (accuracy_score, confusion_matrix,classification_report, ConfusionMatrixDisplay)
from sklearn.preprocessing import StandardScaler# 1. 加載鳶尾花數據集
iris = load_iris()
# 轉換為DataFrame方便查看（特征+標簽）
iris_df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
iris_df['species'] = [iris.target_names[i] for i in iris.target]  # 添加花名標簽# 2. 數據基本信息查看
print("數據集形狀：", iris.data.shape)  # 150個樣本，4個特征
print("\n特征名稱：", iris.feature_names)  # 花萼長度、寬度，花瓣長度、寬度
print("\n類別名稱：", iris.target_names)  # 山鳶尾、變色鳶尾、維吉尼亞鳶尾# 3. 數據劃分（特征X和標簽y）
X = iris.data  # 特征：4個植物學測量值
y = iris.target  # 標簽：0,1,2分別對應三種鳶尾花# 劃分訓練集（80%）和測試集（20%），隨機種子確保結果可復現
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, stratify=y  # stratify=y保持類別比例
)# 4. 特征標準化（邏輯回歸對特征尺度敏感，標準化可提升性能）
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)  # 訓練集擬合并標準化
X_test_scaled = scaler.transform(X_test)  # 測試集使用相同的標準化參數# 5. 訓練邏輯回歸模型（多分類任務）
model = LogisticRegression(max_iter=200, random_state=42)  # 增加迭代次數確保收斂
model.fit(X_train_scaled, y_train)# 6. 模型預測
y_pred = model.predict(X_test_scaled)  # 測試集預測標簽
y_pred_proba = model.predict_proba(X_test_scaled)  # 預測每個類別的概率# 7. 模型評估
print("\n===== 模型評估結果 =====")
print(f"訓練集準確率：{model.score(X_train_scaled, y_train):.4f}")
print(f"測試集準確率：{accuracy_score(y_test, y_pred):.4f}")print("\n混淆矩陣：")
cm = confusion_matrix(y_test, y_pred)
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=iris.target_names)
disp.plot(cmap=plt.cm.Blues)
plt.title("混淆矩陣（測試集）")
plt.show()print("\n分類報告：")
print(classification_report(y_test, y_pred, target_names=iris.target_names))# 8. 特征重要性分析（邏輯回歸系數）
feature_importance = pd.DataFrame({'特征': iris.feature_names,'系數絕對值': np.abs(model.coef_).mean(axis=0)  # 多分類取各系數的絕對值均值
}).sort_values(by='系數絕對值', ascending=False)print("\n特征重要性（系數絕對值）：")
print(feature_importance)# 可視化特征重要性
plt.figure(figsize=(8, 4))
sns.barplot(x='系數絕對值', y='特征', data=feature_importance, palette='coolwarm')
plt.title("特征對分類的重要性")
plt.show()# 9. 新樣本預測示例
# 假設一個新的鳶尾花測量數據（花萼長、花萼寬、花瓣長、花瓣寬）
new_sample = np.array([[5.8, 3.0, 4.9, 1.6]])  # 接近變色鳶尾的特征
new_sample_scaled = scaler.transform(new_sample)  # 標準化# 預測結果
predicted_class = model.predict(new_sample_scaled)
predicted_prob = model.predict_proba(new_sample_scaled)print("\n===== 新樣本預測 =====")
print(f"預測類別：{iris.target_names[predicted_class[0]]}")
print("各類別概率：")
for i, prob in enumerate(predicted_prob[0]):print(f"{iris.target_names[i]}: {prob:.4f}")

這段代碼使用邏輯回歸算法對經典的鳶尾花數據集進行分類，是一個完整的機器學習項目流程。

1. 導入必要的庫

1. numpy/pandas：用于數據處理（如矩陣運算、表格操作）。
2. matplotlib/seaborn：用于繪制圖表（如混淆矩陣、特征重要性）。
3. sklearn：機器學習庫，提供數據集、模型、評估工具。

2. 加載和查看數據

1. 鳶尾花數據集：包含 150 朵花的數據，分為 3 個品種（每個品種 50 朵）。
2. 4 個特征：花瓣長度、花瓣寬度、花萼長度、花萼寬度（都是厘米）。
3. 目標：根據這 4 個特征預測花的品種。

3. 數據劃分（訓練集和測試集）

1. train_test_split：將數據分為 80% 訓練集和 20% 測試集。
   1. stratify=y：確保訓練集和測試集中 3 個品種的比例相同（避免數據偏斜）。
   2. random_state=42：固定隨機種子，確保結果可復現（每次運行劃分結果相同）。

4. 特征標準化

1. 為什么標準化？：邏輯回歸對特征尺度敏感（例如，如果某個特征的數值范圍很大，會影響模型收斂）。
2. StandardScaler：將特征轉換為均值為 0、標準差為 1 的標準正態分布。
   1. fit_transform：計算訓練集的均值 / 標準差，并應用轉換。
   2. transform：用訓練集的統計參數（均值 / 標準差）轉換測試集（不能重新計算）。

5. 訓練邏輯回歸模型

1. LogisticRegression：邏輯回歸是分類算法（盡管名字帶 “回歸”）。
   1. max_iter=200：增加最大迭代次數，確保模型收斂（默認 100 可能不夠）。
2. fit：用訓練數據學習模型參數（找到最佳分類邊界）。

6. 模型預測

1. predict：直接輸出預測的類別（例如 1 代表 versicolor）。
2. predict_proba：輸出樣本屬于每個類別的概率（例如 [0.01, 0.95, 0.04] 表示 95% 概率是第二類）。

7. 模型評估

1. 準確率（Accuracy）：預測正確的樣本比例。
   1. 訓練集準確率：約 0.99（模型對訓練數據的擬合程度）。
   2. 測試集準確率：約 0.97（模型對新數據的泛化能力）。

混淆矩陣（Confusion Matrix）

1. 混淆矩陣：可視化分類結果，對角線表示預測正確的樣本數。
   1. 例如：預測 setosa（0）的樣本全部分類正確；有 1 個 versicolor（1）被誤分類為 virginica（2）。

分類報告（Classification Report）

1. 精確率（Precision）：預測為某類的樣本中，實際屬于該類的比例。
2. 召回率（Recall）：實際屬于某類的樣本中，被正確預測的比例。
3. F1 分數（F1-score）：精確率和召回率的調和平均。

8. 特征重要性分析

1. 邏輯回歸系數：系數絕對值越大，說明該特征對分類的影響越大。
   1. 通常petal width（花瓣寬度）和petal length（花瓣長度）對分類最重要。

9. 新樣本預測示例

1. 預測結果：輸出新樣本的預測類別和概率（例如 95% 概率是 versicolor）。

總結

這個代碼展示了一個完整的機器學習流程：

1. 數據準備：加載數據、劃分訓練集 / 測試集。
2. 特征工程：標準化特征，避免量綱影響。
3. 模型訓練：用邏輯回歸學習分類規則。
4. 模型評估：用準確率、混淆矩陣等指標衡量性能。
5. 預測應用：對新樣本進行分類。

鳶尾花數據集是機器學習的 “Hello World”，適合入門。邏輯回歸是簡單但強大的分類算法，尤其適合特征與類別之間存在線性關系的場景。