使用sklearn对iris数据集做基本的训练和预测

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression


#X的shape是(150,4)，y是个一维数组，长度为150，可能有3种标签
X, y = load_iris(return_X_y=True)


#训练模型
clf = LogisticRegression(random_state=0).fit(X, y)


#处理前两行，所有列。predict，返回的是这两行数据的预测结果，shape为(2,)
labels = clf.predict(X[:2, :])
print(labels.shape)


#Probability estimates，返回的是各个标签的可能性，得到的shape为(2,3)
probs = clf.predict_proba(X[:2, :])
print(probs.shape)


#计算预测的成功率（对每个X计算出y，再和实际的y比较）
print(clf.score(X, y))