sklearn 逻辑回归准确率

sklearn 中的逻辑回归模型可以使用 `accuracy_score` 函数来计算准确率。具体步骤如下：

1. 首先使用 `train_test_split` 函数将数据集分成训练集和测试集。

2. 使用 `LogisticRegression` 函数构建逻辑回归模型。

3. 在训练集上使用 `fit` 函数拟合模型。

4. 在测试集上使用 `predict` 函数预测结果。

5. 使用 `accuracy_score` 函数计算准确率。

下面是示例代码：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建逻辑回归模型
model = LogisticRegression()

# 在训练集上拟合模型
model.fit(X_train, y_train)

# 在测试集上预测结果
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print("准确率：", accuracy)

需要注意的是，准确率只是衡量模型在测试集上的表现，可能存在过拟合或欠拟合的情况，需要结合其他指标进行综合评估。