通过sklearn库建立逻辑回归模型

好的，首先需要导入sklearn库中的LogisticRegression模块，代码如下：

from sklearn.linear_model import LogisticRegression

然后准备好训练集和测试集数据，假设训练集数据为X_train，标签为y_train，测试集数据为X_test，标签为y_test。

接着可以创建一个LogisticRegression对象，并使用fit()方法对训练数据进行训练，代码如下：

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

训练完成后，可以使用predict()方法对测试集进行预测，代码如下：

y_pred = lr.predict(X_test)

最后可以使用score()方法计算模型的准确率，代码如下：

accuracy = lr.score(X_test, y_test)
print("Accuracy:", accuracy)

完整代码如下：

from sklearn.linear_model import LogisticRegression

# 准备数据
X_train, y_train = ...
X_test, y_test = ...

# 创建模型并训练
lr = LogisticRegression()
lr.fit(X_train, y_train)

# 预测并计算准确率
y_pred = lr.predict(X_test)
accuracy = lr.score(X_test, y_test)
print("Accuracy:", accuracy)