python 逻辑回归模型
时间: 2024-08-12 17:05:37 浏览: 104
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:
```python
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:
```python
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):
```python
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:
```python
model = LogisticRegression()
model.fit(X_train, y_train)
```
5. 预测:
```python
y_pred = model.predict(X_test)
```
6. 评估模型性能:
```python
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)
```
阅读全文