用python代码写出新冠高危人群预测模型

以下是一个基于逻辑回归算法的新冠高危人群预测模型的Python代码示例：

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('high_risk_data.csv')

# 数据预处理
X = data.drop('high_risk', axis=1)
y = data['high_risk']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练模型
lr = LogisticRegression()
lr.fit(X_train, y_train)

# 预测结果
y_pred = lr.predict(X_test)

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

其中，`high_risk_data.csv` 是包含高危人群数据的CSV文件，`X` 是特征矩阵，`y` 是标签向量，使用 `train_test_split` 函数将数据集拆分成训练集和测试集，使用 `LogisticRegression` 类训练逻辑回归模型，最后使用 `accuracy_score` 函数计算模型的准确率。请注意，这只是一个简单的示例，实际上，预测模型需要更多的数据预处理、特征工程和模型调优。