逻辑回归bmi的分类python

逻辑回归是一种分类算法，可以用于分类问题。下面是一个使用逻辑回归算法进行BMI分类的Python代码示例：

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

# 读取数据
data = pd.read_csv('bmi.csv')

# 特征选择
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建逻辑回归模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

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

# 输出准确率
accuracy = model.score(X_test, y_test)
print('Accuracy:', accuracy)

在这个示例中，我们使用了Pandas库来读取数据，然后使用Sklearn库中的LogisticRegression类来创建逻辑回归模型。接着我们使用train_test_split函数来将数据集划分为训练集和测试集，并使用fit方法训练模型。最后，我们使用predict方法在测试集上进行预测，并使用score方法计算模型的准确率。