逻辑回归模型预测成年人收入水平

逻辑回归模型可以用于预测成年人的收入水平。以下是一个简单的例子，展示如何使用逻辑回归模型来预测一个人的收入水平是否高于50K：

# 导入必要的包
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
data = pd.read_csv('income.csv')

# 将数据集分为训练集和测试集
train_data, test_data, train_labels, test_labels = train_test_split(data.drop('income', axis=1), data['income'], test_size=0.2, random_state=42)

# 创建逻辑回归模型
model = LogisticRegression()

# 训练模型
model.fit(train_data, train_labels)

# 预测测试集
pred_labels = model.predict(test_data)

# 计算准确率
accuracy = accuracy_score(test_labels, pred_labels)
print('Accuracy:', accuracy)

在这个例子中，我们使用了一个名为`income.csv`的数据集，其中包含了成年人的一些特征，例如年龄、教育程度、婚姻状况等，以及他们的收入水平是否高于50K。我们将数据集分为训练集和测试集，使用训练集来训练逻辑回归模型，并使用测试集来评估模型的准确率。