逻辑回归Python实现

逻辑回归是一种用于分类问题的机器学习算法。在Python中，可以使用scikit-learn库来实现逻辑回归。下面是一个简单的示例代码：

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris

# 加载iris数据集
iris = load_iris()

# 使用前两个特征（萼片长度和宽度）作为输入
X = iris.data[:, :2]
# 使用类别标签作为输出
y = iris.target

# 创建逻辑回归模型
clf = LogisticRegression(random_state=0, solver='lbfgs', multi_class='multinomial')

# 在数据上训练模型
clf.fit(X, y)

# 预测新数据的类别
print(clf.predict([[5.1, 3.5]]))

在这个示例中，我们加载了iris数据集，并使用其中的前两个特征作为输入。然后，我们使用类别标签作为输出，并创建了一个逻辑回归模型。最后，我们在数据上训练模型，并使用其对新数据进行分类预测。

注意，这只是一个简单的示例。在实际应用中，您可能需要进行更多的数据预处理、特征工程和模型调整，以获得更好的结果。