试用sklearn写逻辑回归算法代码

好的，以下是使用sklearn库进行逻辑回归的示例代码：

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

# 准备数据
# 这里使用sklearn自带的鸢尾花数据集作为例子
iris = load_iris()
X = iris.data[:, :2]
y = iris.target

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 搭建模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

print("模型的准确率：", model.score(X_test, y_test))
print("预测结果：", y_pred)

需要注意的是，逻辑回归是一种分类算法，适用于二分类和多分类问题。在这个示例中，我们使用了sklearn自带的鸢尾花数据集，其中包含3种不同类型的鸢尾花，所以我们需要对多分类问题进行处理。在实际应用中，你需要根据不同的问题选择不同的数据集和适合的分类算法。