利用加州圣马特奥市数据（crash_data第二次大作业.xlsx），构建交通小区是否发生过非PDO事故的Logistic 回归模型

首先，我们需要进行数据预处理，包括数据清洗、缺失值处理、异常值处理等。在数据清洗后，我们可以对数据集进行探索性数据分析（EDA），以了解数据的特征和分布情况，为建模做准备。

接下来，我们可以使用Logistic回归模型来预测交通小区是否发生过非PDO事故。Logistic回归是一种二分类模型，可以用于预测一个二元变量的概率。在这个问题中，我们可以将交通小区是否发生过非PDO事故作为二元变量，将其他特征作为自变量，建立Logistic回归模型。

在建立Logistic回归模型之前，我们需要首先将数据集分为训练集和测试集。然后，我们可以使用Python中的Scikit-learn库来建立Logistic回归模型。具体步骤如下：

1. 导入必要的库和数据集：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

data = pd.read_excel('crash_data第二次大作业.xlsx')

2. 数据预处理：

# 清洗数据
data.drop_duplicates(inplace=True)

# 处理缺失值
data.dropna(inplace=True)

# 处理异常值
data = data[data['TotalInjuries'] < data['TotalPersons']]
data = data[data['TotalDeaths'] < data['TotalPersons']]

3. EDA：

# 绘制散点图
pd.plotting.scatter_matrix(data[['TotalInjuries', 'TotalDeaths', 'TotalPersons', 'NonPDO']], alpha=0.2, figsize=(10,10))

4. 划分数据集：

X = data[['TotalInjuries', 'TotalDeaths', 'TotalPersons']]
y = data['NonPDO']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

5. 建立Logistic回归模型：

model = LogisticRegression()
model.fit(X_train, y_train)

6. 预测结果：

y_pred = model.predict(X_test)

7. 评估模型表现：

from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

print('Accuracy:', accuracy_score(y_test, y_pred))
print('Confusion Matrix:', confusion_matrix(y_test, y_pred))
print('Classification Report:', classification_report(y_test, y_pred))

通过以上步骤，我们可以建立一个Logistic回归模型，用于预测交通小区是否发生过非PDO事故。通过评估模型表现，我们可以了解模型的准确性、召回率和精确度等指标，以进一步优化模型。