Question

Q.1`在下面的单元格中运行代码以从sklearn数据集中加载虹膜数据

特征是属于虹膜种类的花瓣的尺寸目标名称是花朵所属的物种，它们分别映射为0,1和2。在本练习中，您将执行逻辑回归，以花瓣尺寸为特征来预测流量的种类通过打印iris_X和iris_Y查看数据（可选）。

ANS1-

from sklearn import datasets
iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target
print(iris.feature_names)
print(iris.target_names)

第二季度- 从sklearn.model_selection导入train_test_split函数将数据分为test_size = 0.33和random_state = 101

的训练集和测试集

ANS 2-

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(iris_X,iris_y,test_size=0.33,random_state=101)

Q3- 从sklearn导入LogisticRegression 初始化逻辑回归模型并分配给变量“模型” 用火车数据（X_train和y_train）拟合模型

ANS 3-

from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
#fit the model
model.fit(X_train,y_train)

第四季度- 使用模型预测测试数据的输出

ANS 4-

y_pred = model.predict(X_test)

Q5- 从sklearn导入category_report 将y_test和y_pred传递给category_report（）。打印category_report的输出

ANS 5-

from sklearn.metrics import classification_report
dd=classification_report(y_test, y_pred)
print(dd)

output -   precision    recall  f1-score   support

           0       1.00      1.00      1.00        15
           1       1.00      0.95      0.98        22
           2       0.93      1.00      0.96        13

    accuracy                           0.98        50
   macro avg       0.98      0.98      0.98        50
weighted avg       0.98      0.98      0.98        50

第6季度从分类报告中记录精度值和召回率在下面的单元格中将Precision和Recall的值分配给变量“ precision”和“ recall”

ANS 6-

precision = 0.98
recall = 0.98
###End code(approx 2 lines)
with open("Output.txt", "w") as text_file:
  text_file.write("precision= %f\n" % precision)
  text_file.write("recall= %f" % recall)

有些问题，然后我在它们下面写下了回答这些问题的步骤。但是，当我完成所有问题和答案时，我无法完成挑战。它显示-“请完成所有任务”。以上所有步骤均在Jupiter笔记本中进行编译。

我在做错什么吗？缺少什么吗？

如何解决这个逻辑回归问题？

0 个答案: