逻辑回归预测模型代码

逻辑回归是一种二分类模型，常用于数据挖掘和机器学习领域。其预测结果为0或1，表示数据属于哪一类。以下是逻辑回归的预测模型代码示例：

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

# 加载数据集
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 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=0)

# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

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

在以上代码中，我们首先使用`pandas`库加载数据集，然后使用`train_test_split`方法将数据集划分为训练集和测试集，再使用`LogisticRegression`方法训练模型并预测结果。最后输出模型的准确率。