逻辑回归模型解决二分类问题代码
时间: 2023-07-19 11:29:38 浏览: 67
逻辑回归是解决二分类问题的常用模型之一,下面是一个用Python实现逻辑回归模型解决二分类问题的示例代码:
```python
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
# 构造样本数据
X = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]]
y = [0, 0, 0, 1, 1, 1]
# 训练模型
clf = LogisticRegression(random_state=0, solver='lbfgs').fit(X, y)
# 预测新数据
X_new = [[3, 2], [4, 2]]
y_pred = clf.predict(X_new)
# 输出预测结果
print(y_pred)
# 计算准确率
y_true = [0, 1]
acc = accuracy_score(y_true, y_pred)
print('Accuracy:', acc)
```
这个示例代码中,我们首先构造了一些样本数据,包括6个样本,每个样本有2个特征和一个标签,标签只有0和1两个取值。然后,我们使用sklearn库中的LogisticRegression类来训练逻辑回归模型。训练完成后,我们使用训练好的模型对两个新数据进行预测,并计算预测准确率。
需要注意的是,在实际应用中,我们可能需要对数据进行预处理、特征工程等操作,以提高模型的性能。