python根据csv数据建立模型代码

以下是Python中根据CSV数据建立模型的代码示例：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 读取CSV文件
data = pd.read_csv('data.csv')

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.iloc[:, :-1], data.iloc[:, -1], test_size=0.2, random_state=42)

# 建立逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = model.score(X_test, y_test)
print(f'The accuracy of the model is: {accuracy}')

其中，`data.csv`是CSV文件的路径，`data.iloc[:, :-1]`表示除了最后一列外的所有列作为模型的输入特征，`data.iloc[:, -1]`表示最后一列作为模型的输出标签。`train_test_split`函数用于划分训练集和测试集，`LogisticRegression`类用于建立逻辑回归模型。最后，使用`model.score`函数计算模型在测试集上的准确率。