python 逻辑回归模型

在Python中，逻辑回归是一种常用的分类算法，尤其适用于二分类问题。逻辑回归通过sigmoid函数将线性回归的结果映射到0到1之间，从而预测概率。在sklearn库中，可以使用LogisticRegression类创建并训练逻辑回归模型。以下是基本步骤：

1. 导入所需的库：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
import pandas as pd

2. 加载数据并预处理：

data = pd.read_csv('your_data.csv')  # 假设你有一个CSV文件
X = data.drop('target_column', axis=1)  # 特征变量
y = data['target_column']  # 目标变量

# 可能还需要做特征缩放、编码等处理

3. 划分数据集（训练集和测试集）：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练模型：

model = LogisticRegression()
model.fit(X_train, y_train)

5. 预测：

y_pred = model.predict(X_test)

6. 评估模型性能：

from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)