Python 如何解决这个逻辑回归问题？

Q.1`运行下面单元格中的代码，从sklearn数据集中加载iris数据

特征是鸢尾属植物花瓣的尺寸 目标名称是花所属的物种。它们被映射为0、1和2。 在本练习中，您将执行逻辑回归，预测给定花瓣尺寸作为特征的流动种类 通过打印iris_X和iris_Y查看数据（可选）`

ANS1-

from sklearn import datasets
iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target
print(iris.feature_names)
print(iris.target_names)

问题2- 从sklearn.model\u选择导入列车测试分割功能 将数据拆分为列车和测试集，测试大小=0.33，随机状态=101

ANS 2-

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(iris_X,iris_y,test_size=0.33,random_state=101)

第三季度- 从sklearn导入逻辑回归 初始化逻辑回归模型并分配给变量“模型” 使用列车数据（X_列车和y_列车）拟合模型

答案3-

from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
#fit the model
model.fit(X_train,y_train)

第四季度- 使用该模型预测测试数据的输出

ANS 4-

y_pred = model.predict(X_test)

问题5- 从sklearn导入分类报告 通过y_测试和y_pred至分类报告（）。 打印分类报告的输出

答案5-

from sklearn.metrics import classification_report
dd=classification_report(y_test, y_pred)
print(dd)

问题6- 从分类报告中记录精确度和召回率的值 将精度和召回率的值分配给下面单元格中的变量“精度”和“召回率”

答案6-

precision = 0.98
recall = 0.98
###End code(approx 2 lines)
with open("Output.txt", "w") as text_file:
  text_file.write("precision= %f\n" % precision)
  text_file.write("recall= %f" % recall)

这里有一些问题，然后是我在下面写的回答这些问题的步骤。然而，当我完成所有问题和答案时，我无法完成动手挑战。 它显示“请完成所有任务”。 以上所有步骤都在Jupiter笔记本中编译

我做错什么了吗？

---

有什么遗漏吗？

我们无法重现此问题。最好联系准备问题解决问题的人，我只是想知道我是否遗漏了一些代码。如果我写的所有答案都是正确的，那么这就是我提交答案的在线平台的问题（bug）。可能有一个单元格你还没有执行？（从“请完成所有任务”判断）我仔细检查了所有内容，我认为代码中可能缺少一些内容。也许Q6的要求答案需要所有精度和召回值？类似于，

dd=classification\u report（y\u test，y\u pred，output\u dict=True）；precision=[dd[my_key]['precision']用于dd.keys（）中的my_key，如果type（dd[my_key]）==dict]

等，则无法重现此问题。最好联系准备问题解决问题的人，我只是想知道我是否遗漏了一些代码。如果我写的所有答案都是正确的，那么这就是我提交答案的在线平台的问题（bug）。可能有一个单元格你还没有执行？（从“请完成所有任务”判断）我仔细检查了所有内容，我认为代码中可能缺少一些内容。也许Q6的要求答案需要所有精度和召回值？类似于，

dd=classification\u report（y\u test，y\u pred，output\u dict=True）；精度=[dd[my_key]['precision']用于dd.keys（）中的my_key，如果类型（dd[my_key]）==dict]

等。

precision = 0.98
recall = 0.98
###End code(approx 2 lines)
with open("Output.txt", "w") as text_file:
  text_file.write("precision= %f\n" % precision)
  text_file.write("recall= %f" % recall)