机器学习逻辑回归python

逻辑回归是一种常见的分类算法，可以用于二分类和多分类问题。在Python中，可以使用scikit-learn库中的LogisticRegression模型来实现逻辑回归。

以下是一个简单的逻辑回归示例，使用鸢尾花数据集进行二分类：

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

# 加载数据集
iris = load_iris()
X = iris.data[:, :2]  # 只使用前两个特征
y = (iris.target != 0) * 1  # 将标签转换为0和1

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

# 训练逻辑回归模型
clf = LogisticRegression(random_state=0).fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = clf.score(X_test, y_test)
print('Accuracy:', accuracy)

在上面的示例中，我们首先加载了鸢尾花数据集，并将其划分为训练集和测试集。然后，我们使用LogisticRegression模型训练了一个逻辑回归模型，并在测试集上进行了预测。最后，我们计算了模型的准确率。