载入波斯顿乳腺癌数据集，将其分成测试集和训练集 用逻辑回归模型，打印拟合模型的正确率 打印出上述各拟合模型在测试集上的正确率 请写出上述在sklearn中的代码

首先，我们需要导入所需的库并加载波士顿房价数据集。然后我们将数据分为特征（X）和目标变量（y），接着将数据集划分为训练集和测试集。最后，我们使用逻辑回归模型进行训练，并计算在训练集和测试集上的准确率。

以下是使用`sklearn`库完成这个任务的Python代码：

# 导入库
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 加载波士顿房价数据集
boston = load_boston()
X = boston.data
y = boston.target

# 划分数据集（假设70%的数据用于训练，30%用于测试）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建逻辑回归模型
logreg = LogisticRegression()

# 训练模型
logreg.fit(X_train, y_train)

# 预测训练集结果
y_pred_train = logreg.predict(X_train)
# 计算训练集准确率
train_accuracy = accuracy_score(y_train, y_pred_train)
print(f"训练集逻辑回归模型准确率: {train_accuracy * 100}%")

# 预测测试集结果
y_pred_test = logreg.predict(X_test)
# 计算测试集准确率
test_accuracy = accuracy_score(y_test, y_pred_test)
print(f"测试集逻辑回归模型准确率: {test_accuracy * 100}%")