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))
