python 逻辑回归模型代码
时间: 2024-06-23 10:01:56 浏览: 6
在Python中,逻辑回归是一种常用的分类模型,主要用于预测二分类问题。我们可以使用scikit-learn库来实现逻辑回归。以下是使用scikit-learn创建和训练逻辑回归模型的基本步骤:
```python
# 导入所需库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn import metrics
import pandas as pd
# 假设你有一个名为data的DataFrame,其中包含特征(X)和目标变量(y)
X = data.drop('target_column', axis=1) # 替换'target_column'为实际的目标变量名
y = data['target_column'] # 替换'target_column'为实际的目标变量名
# 数据预处理(如编码、归一化等),这里省略
# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建逻辑回归模型
logistic_regression = LogisticRegression()
# 训练模型
logistic_regression.fit(X_train, y_train)
# 预测
y_pred = logistic_regression.predict(X_test)
# 评估模型性能
accuracy = metrics.accuracy_score(y_test, y_pred)
confusion_matrix = metrics.confusion_matrix(y_test, y_pred)
roc_auc = metrics.roc_auc_score(y_test, y_pred)
# 输出结果
print(f"Accuracy: {accuracy}")
print("Confusion Matrix:")
print(confusion_matrix)
print(f"ROC AUC Score: {roc_auc}")