逻辑回归预测概率得分的代码

在Python中，使用sklearn库进行逻辑回归预测的概率得分通常是这样的：

from sklearn.linear_model import LogisticRegression
import numpy as np

# 假设我们有一个训练数据集X_train和对应的标签y_train
model = LogisticRegression(solver='lbfgs', max_iter=1000)  # 使用L-BFGS solver
model.fit(X_train, y_train)

# 对测试数据X_test进行预测并获取概率得分
predictions_proba = model.predict_proba(X_test)
# predictions_proba是一个二维数组，每行对应一个样本，列对应各个类别的概率
# 第一列通常是所有样本属于负类的概率，第二列则是正类的概率

# 例如，如果我们只有一个类别（二分类），我们可以取第二列作为正类的概率
probs_for_class_1 = predictions_proba[:, 1]

在这个例子中，`predict_proba()`函数返回的是一个numpy数组，其中每一行代表一个样本的预测概率。如果你想得到某个特定类别的概率，可以像上述那样提取相应列。注意，对于多分类问题，会有更多列，分别对应每个类别。