Python代码实现logistic回归二分类的功能

在Python中，我们可以使用sklearn库来轻松实现Logistic Regression的二分类功能。以下是一个简单的例子：

# 首先，需要导入所需的库
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
import pandas as pd

# 假设你已经有了一个名为data的数据集，其中包含特征列X和目标变量y
data = pd.read_csv('your_data.csv')  # 替换为你的数据文件路径
X = data.iloc[:, :-1]  # 特征
y = data.iloc[:, -1]   # 目标变量

# 将数据分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建Logistic Regression模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测新数据
predictions = model.predict(X_test)

# 打印预测结果
print(predictions)

# 可视化决策边界或其他评估指标，如查看混淆矩阵、计算准确率等

在这个例子中，我们首先加载数据，然后将数据拆分为训练集和测试集。接着，我们创建了一个`LogisticRegression`对象，并通过训练数据对其进行拟合。最后，我们使用模型对测试数据进行预测。