线性模型对糖尿病风险预测代码

下面是一个简单的使用线性模型（Logistic Regression）预测糖尿病风险的 Python 代码示例：

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

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

# 划分数据集
X = data.drop(columns=['Outcome'])
y = data['Outcome']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

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

# 预测并评估模型
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

其中，`diabetes.csv` 是一个包含糖尿病患者信息的数据集，包含 8 个特征和 1 个二分类标签（0 表示未患病，1 表示患病）。代码首先读取数据集，然后使用 `train_test_split` 将数据集划分为训练集和测试集。接着，使用 `LogisticRegression` 创建模型并在训练集上进行训练。最后，使用测试集进行预测，并使用 `accuracy_score` 评估模型的准确率。