逻辑回归分类器代码

以下是使用逻辑回归分类器的 Python 代码示例：

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成一个示例数据集
X, y = make_classification(n_samples=1000, n_features=4,
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 定义一个逻辑回归分类器
clf = LogisticRegression(random_state=0)

# 训练模型
clf.fit(X_train, y_train)

# 使用模型进行预测
y_pred = clf.predict(X_test)

# 评估模型性能
score = clf.score(X_test, y_test)
print(score)

在这个示例中，我们使用 scikit-learn 库中的 `LogisticRegression` 类来定义一个逻辑回归分类器，并使用 `make_classification` 函数生成一个示例数据集。在训练模型之后，我们使用 `predict` 方法来对新数据进行预测，使用 `score` 方法来评估模型的性能。