给我代码实现logistic回归判断比赛结果
时间: 2023-08-15 19:04:25 浏览: 68
美赛考的Logistic回归模型代码
好的,下面是一个简单的 Python 代码实现,使用逻辑回归算法来预测比赛结果:
```python
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据
data = pd.read_csv('matches.csv')
# 特征选择
features = ['team1_rating', 'team2_rating', 'team1_rank', 'team2_rank', 'is_home']
X = data[features]
y = data['result']
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)
# 预测结果
y_pred = model.predict(X_test)
# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
```
这个示例使用了一个包含比赛数据的 CSV 文件,并使用了五个特征变量来预测比赛结果。然后,使用 `train_test_split` 函数将数据集划分为训练集和测试集(80% 的数据用于训练,20% 的数据用于测试)。接下来,使用 `LogisticRegression` 函数训练逻辑回归模型,并使用 `predict` 函数对测试集进行预测。最后,使用 `accuracy_score` 函数计算模型的准确率。
请注意,这个示例只是一个简单的逻辑回归模型,可以根据需要进行修改和扩展。例如,你可以使用更多的特征变量,或者使用其他分类算法。
阅读全文