logistics生长回归模型python

以下是使用Logistic Regression模型进行分类的Python示例代码：

# 导入Logistic Regression模型
from sklearn.linear_model import LogisticRegression
# 导入数据集
from sklearn.datasets import load_iris
# 加载数据集
iris = load_iris()
# 定义特征和标签
X = iris.data[:, :2]  # 取前两个特征
y = iris.target
# 创建Logistic Regression模型
clf = LogisticRegression(random_state=0, solver='lbfgs', multi_class='multinomial')
# 训练模型
clf.fit(X, y)
# 预测新数据
print(clf.predict([[5.1, 3.5]])) # 输出：[0]

在这个例子中，我们使用了sklearn库中的LogisticRegression模型来对鸢尾花数据集进行分类。首先，我们导入了LogisticRegression模型和数据集。然后，我们加载了数据集并定义了特征和标签。接下来，我们创建了Logistic Regression模型并使用fit()方法训练了模型。最后，我们使用predict()方法对新数据进行预测并输出了预测结果。