调用python的sklearn实现Logistic Reression算法

from numpy import *
from sklearn.datasets import load_iris # import datasets

# load the dataset: iris
iris = load_iris()
samples = iris.data
#print samples
target = iris.target

# import the LogisticRegression
from sklearn.linear_model import LogisticRegression

classifier = LogisticRegression() # 使用类，参数全是默认的
classifier.fit(samples, target) # 训练数据来学习，不需要返回值

x = classifier.predict([5, 3, 5, 2.5]) # 测试数据，分类返回标记

print x

#其实导入的是sklearn.linear_model的一个类：LogisticRegression， 它里面有许多方法
#常用的方法是fit（训练分类模型）、predict（预测测试样本的标记）

#不过里面没有返回LR模型中学习到的权重向量w，感觉这是一个缺陷

classifier = LogisticRegression() # 使用类，参数全是默认的