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)