基于sklearn的logistic回归对于鸢尾花的机器学习分类实践
sklearn( scikit-learn )是python机器学习常用的第三方模块,是一个开源的机器学习库,它支持监督学习和非监督学习。它还为模型拟合、数据预处理、模型选择和评估以及许多其他实用工具提供了各种工具。sklearn对机器学习的常用算法进行了封装,包括回归、降维、分类、聚类等。对于以下的机器学习分类实践所用到的函数及方法进行说明。 1.np.c_[ ]和np.r_[ ]的用法解析 >> > import numpy as np >> > a = np . array ( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] ) >> > a array ( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] ) >> > b = np . array ( [ [ 7 , 8 , 9 ] , [ 10 , 11 , 12 ] ] ) >> > b array ( [ [ 7 , 8 , 9 ] , [ 10 , 11 , 12 ] ] ) >> > c = np . c_ [ a , b ] >> > c array ( [ [ 1 , 2 , 3 , 7 , 8 , 9 ] , [ 4 , 5 , 6 , 10 , 11 , 12 ] ] ) >> > d = np . r_ [ a , b ] >> > d array ( [ [ 1