逻辑回归 二分类代码jupyter

以下是使用逻辑回归进行二分类的Jupyter代码示例：

# 导入所需的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
data = pd.read_csv('income.csv')

# 数据预处理
data['income'] = data['income'].map({'<=50K': 0, '>50K': 1})
X = data.drop('income', axis=1)
y = data['income']

# 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)

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

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

注意事项：
1. 代码中的income.csv是数据集文件，需要根据实际情况进行修改。
2. 数据预处理中将income列中的'<=50K'和'>50K'转换为0和1，需要根据实际情况进行修改。
3. 划分训练集和测试集的比例可以根据实际情况进行修改。
4. 在实际应用中，需要对模型进行调参以获得更好的性能。