构建逻辑回归和朴素贝叶斯分类模型代码输出

好的，下面是逻辑回归和朴素贝叶斯分类模型的代码输出：

逻辑回归分类模型代码：

# 导入必要的库
import numpy as np
from sklearn.linear_model import LogisticRegression

# 创建逻辑回归分类器对象
lr = LogisticRegression()

# 准备训练数据
X_train = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y_train = np.array([0, 0, 1, 1])

# 训练模型
lr.fit(X_train, y_train)

# 准备测试数据
X_test = np.array([[0, 1], [2, 3], [4, 5], [6, 7]])

# 预测测试数据
y_pred = lr.predict(X_test)

# 输出预测结果
print(y_pred)

朴素贝叶斯分类模型代码：

# 导入必要的库
import numpy as np
from sklearn.naive_bayes import GaussianNB

# 创建朴素贝叶斯分类器对象
nb = GaussianNB()

# 准备训练数据
X_train = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y_train = np.array([0, 0, 1, 1])

# 训练模型
nb.fit(X_train, y_train)

# 准备测试数据
X_test = np.array([[0, 1], [2, 3], [4, 5], [6, 7]])

# 预测测试数据
y_pred = nb.predict(X_test)

# 输出预测结果
print(y_pred)

希望能帮助到你！