W3School TIY Editor

from sklearn import datasets

from sklearn.linear_model import LogisticRegression

​

# 加载鸢尾花数据集：

iris = datasets.load_iris()

​

# 准备特征数据和目标标签：

X = iris['data']  # 特征矩阵

y = iris['target']  # 类别标签

​

# 创建逻辑回归模型（增加最大迭代次数确保收敛）：

logit = LogisticRegression(max_iter=10000)

​

# 定义要测试的正则化强度参数 C 的候选值：

C = [0.25, 0.5, 0.75, 1, 1.25, 1.5, 1.75, 2]

​

scores = []  # 存储不同 C 值对应的模型准确率

​

for choice in C:

    # 设置当前 C 值并训练模型

    logit.set_params(C=choice)

    logit.fit(X, y)

    # 记录模型在训练集上的准确率

    scores.append(logit.score(X, y))

# 输出不同 C 值对应的准确率：

print(scores)