sklearn怎么使用自己划分好的训练集和数据集？

Question

逻辑回归实现鸾尾花三分类问题
要求必须使用已经划分好的数据集iris_train.data和iris_test.data，但是网上搜到的示例只有用train_test_split对整体数据集进行划分，怎么才能让X_train和X_test是自己的数据集呀？
谢谢了！

Answer 1

不需要用 train_test_split，直接把划分好的数据集作为 训练集进行训练就可以啊。

官方文档的案例：

>>> from sklearn.datasets import load_iris
>>> from sklearn.linear_model import LogisticRegression
>>> X, y = load_iris(return_X_y=True)
>>> clf = LogisticRegression(random_state=0).fit(X, y)
>>> clf.predict(X[:2, :])
array([0, 0])
>>> clf.predict_proba(X[:2, :])
array([[9.8...e-01, 1.8...e-02, 1.4...e-08],
       [9.7...e-01, 2.8...e-02, ...e-08]])
>>> clf.score(X, y)
0.97...

逻辑回归，算法的原理是不需要训练集、测试集，只是基于训练集进行训练，得到回归模型。
划分训练集、测试集，只是用来测试、评估回归结果。