写一个采用二元逻辑回归实现分类任务的python程序

以下是一个示例程序，用于使用二元逻辑回归实现二元分类任务：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 加载数据集
iris = load_iris()
X = iris.data[:, :2]  # 只使用前两个特征
y = (iris.target != 0) * 1  # 将目标变量二元化

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
clf = LogisticRegression(random_state=0, solver='lbfgs').fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = np.mean(y_pred == y_test)
print("Accuracy:", accuracy)

程序首先加载鸢尾花数据集，并仅使用前两个特征。然后，它将目标变量转换为二元变量。接下来，它将数据集拆分为训练集和测试集，并使用逻辑回归模型进行训练。最后，程序对测试集进行预测，并计算准确率。