LogisticRegression.score

`LogisticRegression.score`是`scikit-learn`库中`LogisticRegression`类的一个方法，它用于计算分类器在给定测试数据集上的准确率（Accuracy）。

具体来说，它接受两个参数：测试数据集 `X_test` 和相应的标签 `y_test`，并返回一个浮点数，表示分类器在测试数据集上的准确率。

下面是一个示例代码：

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成一个二分类数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=42)

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建 LogisticRegression 模型
clf = LogisticRegression()

# 在训练集上训练模型
clf.fit(X_train, y_train)

# 在测试集上计算准确率
accuracy = clf.score(X_test, y_test)

print("Accuracy:", accuracy)

输出结果为：

Accuracy: 0.93