Training set score: 1.000 Test set score: 1.000 lgreg.coef_:[[-0.1311326 0. -0.13999567 0. 0. 0. 0. 0. 1.27791737 0. 0. 0. 0. 0. ]] [0. 1. 1. 1. 1. 0. 0. 1.] C:\ProgramData\Anaconda3\lib\site-packages\sklearn\utils\validation.py:72: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel(). return f(**kwargs) array([[9.99965940e-01, 3.40600162e-05], [0.00000000e+00, 1.00000000e+00], [0.00000000e+00, 1.00000000e+00], [3.91597865e-12, 1.00000000e+00], [7.86904614e-04, 9.99213095e-01], [9.99995909e-01, 4.09140372e-06], [9.99994144e-01, 5.85639972e-06], [1.37162792e-09, 9.99999999e-01]])

根据你提供的输出结果，训练集的准确度得分和测试集的准确度得分都是1.000，说明模型在训练集和测试集上都有完美的预测表现。

lgreg.coef_表示logreg模型的系数，每个特征对应一个权重，其中第1、3、9列特征对应的权重为负数，其他特征对应的权重为零或正数。

接下来是一个长度为8的一维数组[0, 1, 1, 1, 1, 0, 0, 1]。

最后是一个形状为(8, 2)的二维数组，表示模型对X_datatiqu进行预测的结果。每一行是一个样本，第一列是类别为0的概率，第二列是类别为1的概率。