python逻辑回归工具包

Python中有很多逻辑回归工具包，其中比较常用的是sklearn库。下面是使用sklearn库实现线性逻辑回归和非线性逻辑回归的示例代码：

1. 线性逻辑回归

from sklearn.linear_model import LogisticRegression

# 构造数据集
X = [[1, 2], [2, 3], [3, 4], [4, 5], [5, 6], [6, 7]]
y = [0, 0, 0, 1, 1, 1]

# 创建逻辑回归模型
clf = LogisticRegression()

# 训练模型
clf.fit(X, y)

# 预测新数据
print(clf.predict([[0, 0], [7, 8]]))

2. 非线性逻辑回归

from sklearn.datasets import make_classification
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import make_pipeline
from sklearn.linear_model import LogisticRegression

# 构造数据集
X, y = make_classification(n_features=2, n_redundant=0, n_informative=1, random_state=42)

# 创建逻辑回归模型
model = make_pipeline(PolynomialFeatures(3), LogisticRegression())

# 训练模型
model.fit(X, y)

# 预测新数据
print(model.predict([[-0.5, 0.5], [0.5, -0.5]]))