python实现逻辑回归-清风数学建模-二分类水果数据

**Python 实现逻辑回归 - 清风数学建模**

在本文中，我们将使用 Python 来实现逻辑回归算法，并应用于清风数学建模中的二分类水果数据。

###什么是逻辑回归？

逻辑回归是一种常见的二分类模型，用于预测目标变量为二类（0/1、是/否等）的情况。它通过学习特征之间的关系来确定样本属于哪一类。

### 清风数学建模中的二分类水果数据清风数学建模中，我们有一个包含两类水果的数据集：苹果和橙子。我们需要根据某些特征（如重量、颜色等）预测水果是苹果还是橙子。

### Python 实现逻辑回归

import numpy as npfrom sklearn.linear_model import LogisticRegressionfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_score, classification_report, confusion_matrix# 加载数据data = np.loadtxt('fruit_data.csv', delimiter=',')

# 将数据分为特征和目标变量X = data[:, :-1]
y = data[:, -1]

# 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)

# 初始化逻辑回归模型model = LogisticRegression(max_iter=10000)

# 训练模型model.fit(X_train, y_train)

# 预测测试集y_pred = model.predict(X_test)

#评估模型性能accuracy = accuracy_score(y_test, y_pred)
print('准确率：', accuracy)
print('分类报告：')
print(classification_report(y_test, y_pred))
print('混淆矩阵：')
print(confusion_matrix(y_test, y_pred))