python逻辑回归建模代码

以下是 Python 中使用逻辑回归建模的示例代码：

import pandas as pd
from sklearn.linear_model import LogisticRegression

# 读取数据集
data = pd.read_csv('your_dataset.csv')

# 分割自变量和因变量
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 建立逻辑回归模型
lr = LogisticRegression()
lr.fit(X, y)

# 预测新数据
new_data = pd.DataFrame({'feature1': [value1], 'feature2': [value2], ...})
prediction = lr.predict(new_data)

其中，`your_dataset.csv` 是您的数据集文件名，`X` 是自变量矩阵，`y` 是因变量向量。`value1`、`value2` 等是新数据的特征值。通过 `fit` 函数拟合模型，通过 `predict` 函数预测新数据的类别。您可以根据您的实际需求对代码进行调整。