企业官网建设流程全解析

简介：这是一份基于逻辑回归实现鸢尾花分类的机器学习大作业完整资料，压缩包内包含项目源码、实验报告与完整文档说明，适合需要完成课程设计或期末大作业的高校学生，也适合初学者借助完整示例理解分类模型。资源包为zip压缩格式，大小约192.11MB，代码注释详细、部署简单，下载后稍作配置即可运行，可帮助使用者系统掌握逻辑回归的数据预处理、特征选择、模型训练与评估流程。除可直接提交的源码外，配套实验报告还提供了实验背景、步骤分析、结果讨论和结论总结，为撰写课程设计文档提供清晰框架；整个项目结构完整、界面友好，具备良好的可扩展性与实际应用价值。资源目前已有265人浏览学习，整体完成度高，适合用于高分作业、课设选题或复试项目展示。

1. 从“调包跑通”到“把边界函数讲清楚”：鸢尾花逻辑回归大作业的含金量到底在哪

如果你也在赶机器学习大作业，逻辑回归做鸢尾花分类几乎是绕不开的经典题——数据集白送、模型简单、可视化效果好，但正因为人人都会做，想拿高分反而更难。这套资源我拆完之后的第一感受是：它不像多数课程设计那样只丢一个临时脚本，而是把数据探索、特征分布、逻辑回归训练、手写梯度下降、实验报告排版的全链路全备齐了。代码注释细到变量级别，实验报告连答辩时老师可能追问的点都预先埋好了答案。适合两类人：一类是急着交期末大作业、不想在环境配置和格式上翻车的新手；另一类是想把这套题做成“能讲清楚原理”的课程设计。下载后简单布置环境就能跑通，但真正值钱的不是那份准确率，而是藏在代码注释和报告里的那些抗答辩细节。

2. 为什么偏偏是“逻辑回归 + 鸢尾花”：模型原理与数据集里三个隐藏陷阱

2.1 逻辑回归不是“回归”：sigmoid 映射与决策边界

逻辑回归这个名字极具误导性，第一次接触它的人很容易把它当成回归模型。它其实做的是分类——本质上是一个线性模型加了一层 sigmoid 映射。线性回归的输出是实数域上的任意值，而分类任务需要的是“属于某个类别的概率”，所以逻辑回归把线性组合 z = w·x + b 塞进 sigmoid 函数里，压缩到 0 到 1 之间。

sigmoid 函数的表达式是 1 / (1 + exp(-z))，它在 z 大于 0 时输出大于 0.5，小于 0 时输出小于 0.5，所以 0.5 就成了默认的决策阈值。逻辑回归的损失函数也不是均方误差，而是交叉熵。为什么要用交叉熵？因为均方误差配合 sigmoid 会导致梯度在两端趋近于零，参数更新极其缓慢，训练就像陷在泥里走不动；交叉熵在这个组合下的梯度形式干净，误差大时更新快，误差小时更新慢。这个细节你在课程设计答辩时主动讲出来，老师会觉得你真懂，而不只是会调库。

鸢尾花数据集是典型的三分类问题，逻辑回归本身是个二分类器，处理多分类有两种常见策略。一种是 One-vs-Rest（OvR），每次拿一个类别当作正样本、其余全部当作负样本，训练三个二分类器，预测时选概率最高的那个；另一种是 Multinomial（也叫 softmax 回归），直接把 sigmoid 换成 softmax，一次性输出三个类别的概率分布。scikit-learn 里 LogisticRegression 的 multi_class 参数控制这两种方式，默认是 auto，当求解器是 lbfgs 时自动退化为 multinomial。这套作业用的是什么策略，你打开源码里的参数一眼就能看到，但更关键的是要知道为什么选它。

2.2 鸢尾花数据集的三个坑：类别重叠、量纲不一致、多分类退化

鸢尾花数据集一共 150 条样本，三个类别各 50 条，特征有四个：花萼长度、花萼宽度、花瓣长度、花瓣宽度。数据集看似简单，实际做起来有三个坑。

第一个坑是类别重叠。Setosa 这个类别和另外两类在特征空间里完全线性可分，随便一个模型都能把它干净地分出来；但 Versicolor 和 Virginica 在花瓣长度和花瓣宽度上有明显的重叠区域，真正的挑战在这里。很多同学跑完看准确率 97%、98% 就觉得万事大吉，但报告里没有任何分析告诉老师“错误集中在哪两个类别之间”，这在高分作业里是不可接受的。

第二个坑是量纲不一致。四个特征的数值范围差别明显，花萼宽度大致在 2.0 到 4.4 之间，花瓣长度能到 5.0 以上。逻辑回归的损失函数对特征尺度敏感，因为梯度更新的步伐会被大数值特征主导。如果不对特征做标准化，决策边界会被拉歪，而且解释系数重要性时会得出完全错误的结论。这也是为什么源码里必须在训练之前接一个 StandardScaler，而不是直接裸特征塞进模型。

第三个坑叫多分类退化。用 OvR 做三分类时，每个二分类器的正负样本比例是 1:2，类别不平衡虽然不严重，但对新手来说最容易被忽视的是标签与类别名的对应关系。鸢尾花的 target 是整数 0、1、2，对应 setosa、versicolor、virginica。作业里如果漏掉 target_names 的映射，混淆矩阵画出来就变成一堆数字，答辩时老师问“这个 0 是什么花”你就只能尴尬。

还有一个有点反直觉的点：这个数据集的精度上限很高，线性模型轻松就能到 90% 以上的准确率。有些同学拿到这个结果后以为模型已经最优了，实际上对这份作业来说，准确率只是一个起点，能解释清楚“错误为什么集中出现在 versicolor 和 virginica 之间”才是拿高分的关键。源码里把 pairplot 和混淆矩阵的分析都做了出来，你复现的时候不要跳过那一段可视化代码，那是整个报告最有说服力的部分。

3. 源码复现全流程：从数据加载到可视化报告，手把手拆开跑一遍

3.1 环境准备与数据加载：别在第一步就卡住

这份资源按 Python 语言编写，核心依赖是 scikit-learn、pandas、matplotlib。建议直接用 Python 3.8 以上的环境，安装命令也很常规。值得提醒的是，如果你在用国内源安装，建议给命令加一个清华镜像参数，否则 numPy 这种包下载可能会慢到让你误以为卡死了。

环境就绪后先跑数据加载脚本，这是整个项目的起点：

# 01_load_data.py import pandas as pd import numpy as np from sklearn.datasets import load_iris # 鸢尾花数据集内置在 sklearn 里，不需要额外下载文件 iris = load_iris() # data 是 (150, 4) 的特征矩阵，feature_names 是四个特征名 X = pd.DataFrame(iris.data, columns=iris.feature_names) # target 是整数标签，0=setosa, 1=versicolor, 2=virginica y = pd.Series(iris.target, name="target") print(X.shape, y.value_counts().to_dict())

这段代码的逻辑很简单但有一个细节容易被忽略：load_iris 返回的是一个 Bunch 对象，data 和 target 都是 NumPy 数组，如果不转成 DataFrame 和 Series，后续做数据探索时没法直接用列名操作，可视化代码也会变得很别扭。转成 pandas 结构纯粹是为了后面少写两行废话。

你运行后应该输出 (150, 4) 和 {'0': 50, '1': 50, '2': 50}。如果你看到的是别的样子，比如某个类别不是 50，那说明 sklearn 版本异常或者数据加载被中断，先别往下走，检查一下 sklearn 的完整性。

3.2 数据切分与标准化：随机种子和 stratify 为什么必须写

训练模型前要切分数据，但切分不是简单一行 train_test_split 就完事。很多新手作业里的经典错误是：不设置 random_state，每次运行结果都变；不做分层抽样，导致某个类别在测试集里只剩两三条。这份资源里的切分代码是值得直接抄的：

# 02_split_scale.py from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # stratify=y 保证三个类别在训练集和测试集中的比例一致 # random_state=42 固定随机序列，让结果可复现 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42, stratify=y ) scaler = StandardScaler() # 先在训练集上 fit，得到均值和标准差 X_train_s = scaler.fit_transform(X_train) # 再用同一套统计量去 transform 测试集，绝对不能重新 fit X_test_s = scaler.transform(X_test)

这里有两个参数必须讲清楚。stratify=y 的作用是分层抽样，因为鸢尾花每类只有 50 条样本，假如随机切分时某一类在测试集中特别少，准确率的波动会剧烈到不可信；加了它之后，切分前后的类别分布基本一致。random_state=42 的作用更直接，它让整套实验有一个可复现的随机序列，你关掉 Jupyter 再打开，重新跑一遍得到的结果还是同一个，写报告时截图和代码输出不会对不上。

标准化这段代码是整份作业里最容易出“低于及格线”级别错误的地方。StandardScaler 必须在训练集上 fit，再用同一个 scaler 去 transform 测试集。原因是测试集代表的是一切“未见过”的数据，你如果在全量数据上算均值和标准差，测试集的信息就已经泄漏到了训练阶段，评估出来的准确率会虚高。这也是老师最爱问的“什么是数据泄漏”，源码里专门把这行拆开写，目的就是让你在答辩时能接住这个问题。

3.3 模型训练与评估：准确率只是入场券

模型训练部分用的是 sklearn 的 LogisticRegression，代码简洁到没什么可发挥的空间，但超参数设置需要解读：

# 03_train_eval.py from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score, classification_report, confusion_matrix # solver 选 lbfgs，适合小数据集和多分类 softmax # max_iter 调大到 200，防止数据标准化后收敛迭代不够 clf = LogisticRegression(max_iter=200, C=1.0, solver="lbfgs") clf.fit(X_train_s, y_train) y_pred = clf.predict(X_test_s) print("accuracy:", accuracy_score(y_test, y_pred)) print(classification_report( y_test, y_pred, target_names=iris.target_names )) print(confusion_matrix(y_test, y_pred))

solver 参数值得多说两句。逻辑回归的求解器有 liblinear、lbfgs、newton-cg、sag 等，对鸢尾花这种 150 条样本的小数据集，lbfgs 是最稳妥的选择——它适用于多分类 softmax，收敛速度快，内存开销低。如果你选 liblinear，它只支持 OvR 模式，结果通常也还行，但报告里解释模型时就得按二分类器集合的视角写，多一层复杂度。

max_iter 是一个典型的“新手不知道为什么翻车”的参数。lbfgs 是迭代求解器，默认最大迭代是 100 次，但鸢尾花数据经过标准化之后，损失函数的最小值点附近比较平缓，100 次有时不足以收敛到严格阈值，于是 sklearn 会给你甩一个 ConvergenceWarning。模型实际上已经跑得很好，但那个警告印在截图里很掉价，老师会怀疑你的代码素养。把它调到 200 算是给足余量，同时不影响任何性能。

分类报告里的 precision、recall、f1-score 是三分类评估的核心指标。在鸢尾花作业里要特别看 versicolor 和 virginica 两行的 recall，如果某一类的 recall 明显低于另一类，说明模型在两类重叠区域的偏置方向值得分析。报告里如果能写一句“错误集中在 versicolor 被误判为 virginica，这与花瓣长度分布重叠区域一致”，立刻比单纯摆一个 97% 准确率有深度。

3.4 手写逻辑回归：让作业从“调包”升级为“懂原理”的关键加分项

纯用 sklearn 完成作业只能拿一个基础分，因为老师一眼就能看出你只会调包。这份资源里最有价值的是它手写了一个简化版逻辑回归，用梯度下降训练参数，虽然精度略低于 sklearn 的 lbfgs，但能证明你理解迭代优化过程。完整代码如下：

# 04_manual_lr.py import numpy as np def sigmoid(z): # 数值稳定版本，防止 exp 溢出 return 1 / (1 + np.exp(-np.clip(z, -500, 500))) def train_binary(X, y, lr=0.1, epochs=500): # X 是特征矩阵，y 是 0/1 标签 # 在 X 前加一列全 1，对应偏置项 b X = np.c_[np.ones(X.shape[0]), X] w = np.zeros(X.shape[1]) m = len(y) for _ in range(epochs): pred = sigmoid(X @ w) grad = (X.T @ (pred - y)) / m w -= lr * grad return w # 对三个类别分别用 OvR 方式训练 W = [] for c in range(3): y_bin = (y_train == c).astype(int) w_c = train_binary(X_train_s, y_bin) W.append(w_c) W = np.array(W) # 形状 (3, n_features+1)

这段代码只用了 NumPy，没有任何机器学习库参与，核心逻辑就两个步骤：算梯度、更新参数。grad 的推导逻辑是交叉熵损失对 w 求导的结果，形式是 X 转置点乘（预测概率减真实标签）再除以样本数。这个公式在高等数学和机器学习课里都出现过，能自己写出来并跑通，含金量远超一个 100% 准确率。

训练完成后预测阶段要把三个二分类器的概率都算出来，然后选最大的那个作为最终类别：

# 用训练好的 W 做预测 X_te = np.c_[np.ones(X_test_s.shape[0]), X_test_s] probs = sigmoid(X_te @ W.T) # 每一行是三类各自的概率 y_pred_manual = probs.argmax(axis=1)

参数上要注意 lr 和 epochs 的配合。lr 设 0.1 对标准化后的特征比较合适，如果设得过大，loss 会震荡；epochs 设 500 对这个数据量级足够收敛到稳定值。这组手写模型的准确率通常会比 sklearn 版本低 1 到 2 个百分点，但报告中可以坦诚地写清楚差异来源——sklearn 的 lbfgs 是拟牛顿法，收敛更精细，你的手写版是简单梯度下降，两者对比本身就是很好的实验结论。

4. 实验报告怎么排才能像满分作业：结构、图表与答辩追问一次备齐

4.1 实验报告的五段式骨架：从摘要到结论的完整叙事线

这份资源附带的实验报告是整个压缩包的另一半价值。很多同学源码写得不错，报告却写成“我用了什么模型、准确率多少”的三行流水账，把分数硬生生拉低一档。拆开这份满分实验报告，你会发现它的骨架是固定的五段式，每一段的篇幅和职责都非常清晰，可以直接当模板套用。

实验报告的结构可以参照下表：

摘要部分最容易被写成“本项目使用逻辑回归对鸢尾花分类，准确率达 97%”——这等于什么都没说。高分摘要把问题、方法、结论三个要素串起来，写法是：“针对鸢尾花数据集三分类问题，本文采用逻辑回归模型，通过 OvR 策略将二分类器扩展到三分类，并对比了 sklearn 实现与手写梯度下降实现的性能差异。实验结果表明，经标准化后的模型在测试集上达到 96% 的准确率，错误主要集中于 versicolor 与 virginica 的重叠区域。”一句话把任务和方法说清，还给出了比准确率更深入的分析点。

数据探索这一章千万别截皮尔逊相关系数热力图就完事，更要有特征分布的解读。比如花瓣长度在三类间的区分度明显高于花萼宽度，这就是报告中可以自然推导出“花瓣特征是分类的主要信息源”这一结论的关键证据。这条结论不仅撑起了数据探索章，还能支撑模型原理章里“为什么逻辑回归在鸢尾花上有效”的论述。

4.2 图表与公式排版：决定性的一步在字号和图表

实验报告的观感左右着评分，排版精美的报告和粗糙的报告在同等技术水平下，分差能有 5 分以上。答辩场景下，老师默认你代码没问题，报告反映的是你的专业写作能力。图表方面要注意三个细节：所有图的尺寸统一、字号统一、坐标轴必须有标签。

训练过程可视化是值得放进报告的额外加分项——在逻辑回归训练中记录每一轮迭代的 loss 值，画出一条下降曲线。这条曲线直观证明了模型在收敛，比一万字描述“我观察了 loss 的下降过程”都更有力。曲线图中横轴是 epoch，纵轴是交叉熵损失，训练好的曲线应是一条陡降后趋平的线。如果曲线出现振荡，说明学习率过大或数据未标准化，报告里也可以专门分析这种失败案例，反而体现出更真实的实验过程。这也是这份资源里做好的“实验记录类”可视化，和我见过的满分作业风格一致。

源码里画 pairplot 那一段代码建议完整保留并重命名输出文件，比如改成 feature_distribution.png，插入报告时保持文件名和图中内容一致。插图的引用规范是图下方居中写“图1 鸢尾花特征分布矩阵”，正文中写“如图1所示”，这一点细节能让老师对你的严谨程度产生很强的信任感。

公式排版要特别注意。逻辑回归的核心公式包括 sigmoid 函数、交叉熵损失、梯度更新式，至少要保证这三行是标准排版而不是截图。报告里最好用一个独立小节写手动梯度下降的实现思路，包括推导误差函数对权重的梯度公式，已完成训练的模型参数权重的含义解读——比如花瓣特征的权重绝对值最大，说明它对分类贡献最强，完全对应数据探索部分的观察。

4.3 答辩最可能被追问的四个问题与应对思路

答辩是这门大作业的最后一关。源码和报告是静态的，口头回答才是老师判断“这人到底懂不懂”的关键时刻。我盘点了这份资源里最有针对性的几个追问点，直接把应对思路准备好。

第一个问题：“逻辑回归是回归还是分类？为什么叫回归？”满分的答案是：“逻辑回归本质是分类模型，名字里的回归来源于它在线性回归的基础上做了 sigmoid 变换，输出的是条件概率估计。”如果还愿意多说，可以补一句“它计算的是 P(Y|X) 属于某一类的后验概率”，这句话会显得你不是背出来的。

第二个问题：“为什么特征要标准化？”回答思路是：“逻辑回归使用梯度下降优化，不同特征量纲差异大会导致梯度更新方向被大数值特征主导，收敛变慢，还可能让决策边界偏移；标准化后所有特征被压缩到近似同一尺度，每个特征对分类的贡献被公平对待。”注意，从决策边界偏移角度回答是最容易打动老师的。

第三个问题：“三类样本重叠，为什么模型还能有 97% 的准确率？”这个问题直接考察你对自己实验的理解。答案是：“重叠只体现在部分特征上，花瓣长度和宽度仍然保留了较强的类别区分度；模型的决策边界在二维投影下看似有交叉区域，但在四维特征空间中依然能找到一个较好的线性超平面。准确率并不说明线性可分，只说明重叠区域没有明显覆盖到多数样本。”

第四个问题：“sklearn 版本和你手写的版本，结果差异是什么？”答案是：“sklearn 的 lbfgs 是拟牛顿法，利用二阶信息近似，收敛精度更高；手写版是简单梯度下降，步长固定，精度略低，但整体趋势一致。这个对比说明模型的有效性主要来自数据特征和模型形式，优化器的差异只是在收敛速度上。”这个问题如果你能接上，整场答辩基本就稳了。

5. 避坑指南：鸢尾花逻辑回归作业里高频翻车的六类问题

5.1 准确率逼近 100%，老师反而质疑是抄的

现象：测试集准确率直接到 100%，你自己觉得爽，但老师第一反应是“这人有问题”。因为鸢尾花数据集本身就存在类别重叠，合理的线性模型准确率通常在 93% 到 98% 之间，满分结果往往意味着训练和测试数据发生了泄漏，或者评估方式有误。

原因：最常见的是在全量数据上做标准化后切分，或者跑完网格搜索后在全部数据上重新训练评估。测试集的信息在训练阶段就已经被模型了解过，评估自然虚高。

解决：严格保证训练集、测试集分开处理，标准化只在训练集上 fit，评估只用测试集。如果你的结果确实高于 98%，检查一下是不是把训练集的预测结果当成测试集输出了，这是新手最容易犯的无心之失。

5.2 StandardScaler 的 fit 时机错了，整个实验都在泄漏

现象：你在训练之前先对整个 X 做了 fit_transform，再切分训练集和测试集。这时训练集里已经包含了测试集的均值和方差信息，相当于把试卷答案提前交给了模型。

原因：数据泄漏不是模型 bug，而是流程设计错误。很多教程演示标准化时图省事，直接在全量数据上调用 fit_transform，新手照抄就出了同样的问题。

解决：把 fit_transform 和 transform 拆开，先后顺序是切分两集，再在训练集上 fit，再 transform 测试集。源码里 02_split_scale.py 就是标准写法。我在复盘这套作业时用一句话记住这个规则：“模型永远不该事先知道测试集的统计量”。

5.3 多分类标签与预测结果对不上，混淆矩阵看懵了

现象：混淆矩阵输出后，你看不清哪个数字对应哪种花，报告里的结论也写得含含糊糊。你在 submission 里说“第三类准确率最高”，到底第三类是 versicolor 还是 virginica，老师看两遍也不知道结论明确没有。

原因：target 是整数 0/1/2，你打印 y_pred 时看到的是 NumPy 数组里的数字，没有做 target_names 映射。

解决：评估时一律用 target_names=iris.target_names 输出报告，混淆矩阵用 pandas 加列名和行名再打印。这个小改动直接决定报告的可读性。

5.4 报告截图和代码输出对不上，随机种子没固定

现象：报告中截图显示准确率 96.7%，老师运行代码得到 93.3%，立刻怀疑报告是拼凑的。原因很简单：你没设置 random_state，每一次运行都重新随机切分数据，结果自然每次不同。

解决：train_test_split 必须带 random_state，且建议固定为某个常见值如 42，同时报告里明确写“实验采用随机种子 42”。种子选多少不重要，重要的是固定下来，报告截图和可复现结果保持一致。

5.5 sklearn 版本不同，输出的警告和系数都不一样

现象：资源作者用的是旧版本或新版本，你换了版本后，函数明明一样但结果有细微差别，甚至出现弃用警告。sklearn 的 LogisticRegression 默认参数在版本迭代中发生过调整，solver 的默认值在不同版本中不同，多分类策略的默认行为也不同，这会让你的运行结果与报告不完全一致。

原因：文档说明里写的是作者当时的运行环境，你无法保证完全复现。

解决：保持项目里的 requirements.txt 版本约束，至少约束 sklearn 主版本，然后在代码里显式指定 solver、multi_class、max_iter 参数，不依赖任何默认值。这样无论环境怎么变化，逻辑都是确定的。

5.6 手写梯度下降的 loss 振荡，直接就写“模型发散”

现象：自己实现逻辑回归时，loss 没有单调下降，而是跳着走，于是你认为手写实现失败了，放弃这部分代码。这其实是参数设置问题，不是算法问题。学习率过大时参数更新步长跨过了最低点，loss 就会反复震荡。

原因：梯度下降的收敛条件是学习率和迭代次数的配合。鸢尾花数据量小，标准化后的特征数值在 0 附近，学习率超过 0.5 就很容易振荡。

解决：先把学习率降到 0.1 或 0.01，观察 loss 曲线如果仍然震荡继续降。或者使用自适应学习率的方式，让学习率随迭代次数衰减，比如 lr = initial_lr / (1 + t * decay)，这是最简单有效的手段。源码里写的是固定学习率，更稳。

5.7 报告里公式和图没有编号，被批“排版态度不端正”

现象：报告里公式直接用截图放进 Word，图和表也没有编号，答辩被老师提了一句“格式再改改”。究其原因，公式和图表是报告的骨架，一线老师几乎都默认这是写作的基本功，无需提醒。

解决：所有公式用 LaTeX 或 Word 自带公式编辑器重排，所有图统一编号并加图注，表中数据保留两位小数。更重要的是一致性——图的尺寸、字体、坐标轴标签必须统一风格。

6. 吃干榨净：把决策边界可视化和参数调优塞进作业，从“做完”到“做好”

6.1 决策边界可视化：一张图顶过一千字

绝大多数同学的作业到混淆矩阵就结束了，但满分作业往往会再往前走一步：把决策边界画出来。这一步技术难度低，视觉冲击力强，报告里的价值密度极高。核心代码如下：

# 05_decision_boundary.py import matplotlib.pyplot as plt from sklearn.inspection import DecisionBoundaryDisplay # 为了能画二维图，只取前两个特征（花萼长、花萼宽）做演示 X_2d = X_train_s[:, :2] clf_2d = LogisticRegression(C=1.0, max_iter=200) clf_2d.fit(X_2d, y_train) DecisionBoundaryDisplay.from_estimator( clf_2d, X_2d, response_method="predict", cmap=plt.cm.RdYlBu, alpha=0.6 ) plt.scatter(X_2d[:, 0], X_2d[:, 1], c=y_train, edgecolor="k", s=40) plt.xlabel("sepal length (standardized)") plt.ylabel("sepal width (standardized)") plt.show()

DecisionBoundaryDisplay 这个 API 最大的优势是几行代码就把网格背景和真实样本点叠在一张图上，你根本不用手动生成网格坐标再逐个预测。需要注意，因为只用了两个特征，模型丢失了花瓣长度的信息，分类效果会变差，所以这张图的作用是“可视化决策边界形态”而不是“证明模型多准”。报告中写清楚“仅用前两个特征绘制示意图”就不会被抓逻辑问题。如果想展示最佳效果，可以再选花瓣长度和花瓣宽度作为特征重画一张，那一张的分类效果更接近完整模型。这两张图对比放在报告里，几何直观性极强。

6.2 超参数调优：用网格搜索把 C 值的取舍写明白

逻辑回归里唯一需要认真调的连续超参数是正则化强度 C，C 越小正则化越强，决策边界越平滑；C 越大模型越贴近训练数据。对于鸢尾花这种小样本、特征少的数据集，C 的选择对准确率影响不大，但分析过程本身是课程设计里一块不错的展示材料。

# 06_grid_search.py from sklearn.model_selection import GridSearchCV param_grid = { "C": [0.01, 0.1, 1, 10, 100], "solver": ["lbfgs", "liblinear"], } grid = GridSearchCV( LogisticRegression(max_iter=500), param_grid, cv=5 ) grid.fit(X_train_s, y_train) print("best C:", grid.best_params_) print("best cv score:", grid.best_score_)

这段代码做了五折交叉验证，对每一组参数评估五次取平均。好处是结果对数据切分的敏感性低得多，比单一测试集上的准确率更有说服力。你会看到最优 C 基本落在 1 附近，而 solver 的影响很小，这个结论与理论预期一致：数据量小、特征四维，正则化过强反而压缩了模型表达能力。在你的报告里把网格搜索的表格放进去，比简单单一模型得出的结论完整度高出一个档次。顺便提一下，如果资源里没有这段可以参考其他课程设计的写法，建议自己补上，几十行代码带来的印象分很值。

6.3 复盘习惯

回顾我拆解这套项目的整个过程，看看别人家的满分作业在哪些环节投入了精力——注释写到变量级、实验报告把每一步设计原因讲清楚、答辩问什么都能接住、每个参数设置背后都有它的理由。从那以后，我交机器学习类的课程作业都会强制走一遍固定流程：先跑通、再自查数据是否泄漏随机种子是否固定，再补手写实现和可视化，最后写报告时把报告里每一句结论都反推回代码输出，确认有据可查。养成这个循环，期末你会轻松不少。希望这份资源对你的课程设计或期末大作业有点实际帮助。

本文还有配套的精品资源，点击获取