用逻辑回归预测鸢尾花种类

Question

我有一个给定的代码，它会根据花瓣长度和花瓣宽度告诉您鸢尾花数据集中的鸢尾花是否是维雷金卡鸢尾。但是我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，我正在测量：

• 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，我如何正确地预测一种新花以及它是什么种类的？

Answer 1

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

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