分类算法python代码

在Python中，有许多分类算法可供选择，如决策树（Decision Trees）、随机森林（Random Forests）、支持向量机（SVM）、K近邻（KNN）和朴素贝叶斯（Naive Bayes）。这里以一个简单的例子展示如何使用scikit-learn库实现逻辑回归分类：

# 导入所需库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn import datasets
import pandas as pd

# 加载数据集（例如Iris数据集）
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 数据预处理（分割训练集和测试集）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并初始化逻辑回归模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)

# 模型评估
print("Accuracy:", model.score(X_test, y_test))

#