使用logisti回归预测乳腺癌

乳腺癌是一种常见的癌症，我们可以使用逻辑回归模型来预测患者是否患有乳腺癌。以下是一个使用Python中的Scikit-learn库实现逻辑回归模型的例子：

首先，我们需要导入必要的库：

import numpy as np
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

然后，我们可以加载乳腺癌数据集：

breast_cancer = datasets.load_breast_cancer()
X = breast_cancer.data
y = breast_cancer.target

接下来，我们将数据集拆分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

然后，我们可以创建逻辑回归模型并对其进行训练：

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

最后，我们可以使用测试集评估模型的准确性：

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy*100))

这个例子中，我们使用乳腺癌数据集来训练和测试逻辑回归模型，并使用准确性来评估模型的性能。