逻辑回归模型代码Python

逻辑回归是一种常用的分类算法，它可以用于解决二分类问题。在Python中，可以使用scikit-learn库来实现逻辑回归模型。下面是一个简单的逻辑回归模型代码示例：

# 导入所需的库
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 准备数据集
X = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]]
y = [0, 0, 0, 1, 1, 1]

# 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)

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

# 在训练集上训练模型
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 = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)

这段代码首先导入了需要的库，然后准备了一个简单的数据集，其中X是特征矩阵，y是目标变量。接着使用`train_test_split`函数将数据集划分为训练集和测试集。然后创建了一个逻辑回归模型对象，并在训练集上进行训练。最后使用训练好的模型对测试集进行预测，并计算了准确率。