python 逻辑回归模型全部代码
时间: 2023-10-19 18:16:16 浏览: 36
下面是一个简单的 Python 逻辑回归模型的示例代码,包括数据预处理、模型训练和预测:
```
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
# 加载数据
data = pd.read_csv('data.csv')
# 特征和标签分离
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values
# 特征缩放
scaler = StandardScaler()
X = scaler.fit_transform(X)
# 划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
```
在这个例子中,我们使用了 Pandas 库来加载数据,并使用 sklearn.preprocessing 库来进行特征缩放。然后,我们使用 sklearn.linear_model 库中的 LogisticRegression 类来训练逻辑回归模型。最后,我们使用 sklearn.metrics 库中的 accuracy_score 函数评估模型的准确率。