如果结果变量中有 2 个类别，则通常执行逻辑回归。我刚刚尝试了 iris 数据集，其中物种为 y 变量，具有 3 个类别。我使用了以下代码：

import pandas as pd
import matplotlib.pylab as plt

from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()

from sklearn import datasets
iris = datasets.load_iris() 

clf.fit(iris.data, iris.target)
logcoefdf = pd.DataFrame(data=clf.coef_, 
     columns=["SL", "SW", "PL", "PW"], 
     index=['setosa','versicolor','virginica'])
print(logcoefdf)
logcoefdf.plot.bar()
plt.show()

打印输出和系数图如下：

                  SL        SW        PL        PW
setosa      0.414988  1.461297 -2.262141 -1.029095
versicolor  0.416640 -1.600833  0.577658 -1.385538
virginica  -1.707525 -1.534268  2.470972  2.555382

（我已经按物种名称标记了行，但我不确定这是否正确）。

从上面的输出我得到以下情节：

这些结果的解释是什么？这是否意味着花瓣长度（PL）在setosa中最低而在virginica中最高？杂色品种的萼片宽度和花瓣宽度都较小？感谢您的洞察力。

编辑：如果我只使用 2 类虹膜数据集，我只会得到一组系数：

clf.fit(iris.data[0:100,:], iris.target[0:100])
print(clf.coef_)

输出：

[[-0.40731745 -1.46092371  2.24004724  1.00841492]]

是否正在对所有可能的类别组合执行逻辑回归，即 setosa vs versicolor、versicolor vs virginica 和 virginica vs setosa？