利用linear_model.LogisticRegression()对scikit-learn中的自带数据集iris，再利用train_test_split将样本的test_size作为测试集进行分类与预测，最后输出score(X_test, y_test)

首先，我们需要导入所需的库并加载Iris数据集。在scikit-learn中，`LogisticRegression`用于二元逻辑回归任务，而`train_test_split`则用于拆分数据集为训练集和测试集。

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 加载Iris数据集
iris = datasets.load_iris()
X = iris.data  # 特征
y = iris.target  # 类别标签

# 划分训练集和测试集，test_size表示保留比例，默认0.25
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

# 创建Logistic Regression模型
logreg = LogisticRegression()

# 训练模型
logreg.fit(X_train, y_train)

# 预测测试集
y_pred = logreg.predict(X_test)

# 计算准确率得分
score = accuracy_score(y_test, y_pred)
print("模型在测试集上的准确率为:", score)