项目说明

基于 Iris 数据集的一组可视化与分类示例，包含二维/三维决策边界、多模型对比，以及数据预览脚本。

环境依赖

• Python 3.13（或兼容的 3.9+ 版本）
• 第三方库：scikit-learn、numpy、matplotlib、pandas、seaborn、plotly

安装依赖（建议在当前目录执行）：

python -m pip install --upgrade pip
python -m pip install scikit-learn numpy matplotlib pandas seaborn plotly

如需指定解释器（例如 E:/python3.13/python.exe），可用：

E:/python3.13/python.exe -m pip install --upgrade pip
E:/python3.13/python.exe -m pip install scikit-learn numpy matplotlib pandas seaborn plotly

脚本简介与运行方式

• classifier2d.py：使用逻辑回归绘制二维决策边界及各类别概率热力图。运行：

  python classifier2d.py
  

• task1.py：对比多种特征工程 + 分类模型（逻辑回归 RBF/分箱/样条、GBDT）的二维概率图阵列。

  python task1.py
  

• task2.py：二分类逻辑回归的 3D 决策平面可视化。

  python task2.py
  

• task3.py：二分类 SVM（RBF 核）的 3D 决策函数地形图（含投影）。

  python task3.py
  

• task4.py：三类 SVM（RBF 核）概率“壳层”3D 可视化，并打印测试集精度。

  python task4.py
  

• data_preview.py：使用 seaborn 箱线图与 Plotly 交互散点图预览 Iris 数据。

  python data_preview.py
  

使用提示

• 若出现 ModuleNotFoundError，请确认使用的解释器与安装库的解释器一致。
• Plotly 交互图在默认浏览器中打开，运行时请保持网络/浏览器可用。
• 运行图形脚本需具备图形界面支持；在无界面环境可使用 matplotlib 的后端配置或仅查看打印输出。