第7章人工智能与机器学习;实验方法;实验要求;实验准备—创建编程环境;实验准备—创建编程环境;实验一：线性回归;Scikit-learn;（1）加载数据集;查看数据集;;（2）划分数据集—留出法;（3）建模、训练及预测;（4）评估模型;拓展练习;实验报告要求;实验2：逻辑回归（多分类问题）;（1）加载数据集;print(iris.keys());查看数据集;查看数据集;（2）划分数据集—留出法;（3）建模、训练及预测;逻辑回归模型;逻辑回归模型;（4）模型评估;fromsklearn.metricsimportaccuracy_score

fromsklearn.metricsimportprecision_score,recall_score

fromsklearn.metricsimportconfusion_matrix,classification_report

#计算模型的准确率

accuracy=accuracy_score(y_test,y_predict)print(fAccuracy:{accuracy:.2f})

precision=precision_score(y_test,y_predict,average=None)

print(precision)

recall=recall_score(y_test,y_predict,average=None)

print(recall)

#打印分类报告，显示精度、召回率和F1分数

print(classification_report(y_test,y_predict,target_names=iris.target_names));拓展练习;拓展练习;实验报告;实验3：Python原生代码实现梯度下降;梯度下降计算过程;（1）回归问题梯度下降;（2）分类问题的梯度下降;拓展练习;实验报告;实验4欠拟合和过拟合;【任务1】欠拟合的实验。;【任务1】欠拟合的实验。;【任务2】过拟合的实验。;【任务2】过拟合的实验。