**逻辑回归算法之Python实现**
时间: 2023-08-20 20:05:43 浏览: 58
逻辑回归是一种常用的分类算法,在Python中可以使用scikit-learn库来实现。下面是一个简单的逻辑回归算法的Python实现示例:
首先,导入所需的库:
```python
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
```
接下来,准备数据集并进行训练集和测试集的划分:
```python
# 准备数据集
X = np.array([[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]])
y = np.array([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)
```
然后,创建并训练逻辑回归模型:
```python
# 创建逻辑回归模型
model = LogisticRegression()
# 训练模型
model.fit(X_train, y_train)
```
最后,使用训练好的模型进行预测并计算准确率:
```python
# 预测测试集
y_pred = model.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
```
这样就完成了逻辑回归算法的Python实现。当然,这只是一个简单的示例,实际应用中可能会有更多的数据预处理和参数调优等步骤。希望对你有帮助!