我们将训练一个逻辑回归模型来识别图像中的数字。所用的图像都是手写的数字。图片尺寸为28 * 28。每个图像都被矢量化(按顺序连接图像中的列)为长度为784的向量。标签集为{0,1,2,3,4,5,6,7,8,9}。对于这个问题，我们只选择两个标签，因此分类问题是一个二元分类，逻辑回归能够处理。有6万个训练样本和1万个测试样本。根请据以上要求写出完整代码

以下是一个基于Python的逻辑回归模型训练和测试的代码示例：

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

# 加载手写数字数据集
X, y = fetch_openml('mnist_784', version=1, return_X_y=True)

# 数据预处理
X = X / 255.0   # 像素值归一化
y = (y >= '5').astype(int)   # 将标签转换为二元分类问题

# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.14, random_state=42)

# 训练逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 测试模型
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

print("Accuracy:", accuracy)

在上述代码中，我们使用`fetch_openml`函数加载了手写数字数据集。然后，我们进行了数据预处理，将像素值归一化并将标签转换为二元分类问题。接着，我们使用`train_test_split`函数将数据集划分为训练集和测试集。最后，我们使用`LogisticRegression`类训练了逻辑回归模型，并使用`accuracy_score`函数计算了模型在测试集上的准确率。