# 创建逻辑回归模型

创建逻辑回归模型通常用于分类任务，它基于线性回归模型并引入了概率解释，使得预测结果表现为0到1之间的连续值，而非离散类别。以下是使用Python的scikit-learn库创建逻辑回归模型的基本步骤：

1. 导入所需库：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
import pandas as pd

2. 加载数据集（假设数据已经预处理好）：

data = pd.read_csv('your_data.csv')
X = data.drop('target_column', axis=1)  # 特征列
y = data['target_column']              # 目标变量

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 初始化并训练模型：

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

5. 预测新样本：

predictions = model.predict(X_test)

6. 模型评估（如计算准确率）：

from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, predictions)