Простая модель машинного обучения с использованием Python и библиотеки scikit-learn
from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score # load your data X, y = load_data() # split data into train and test sets X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) # initialize and train the model clf = LogisticRegression() clf.fit(X_train, y_train) # make predictions on the test set y_pred = clf.predict(X_test) # evaluate the model's performance accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy)
Этот код является базовым примером того, как обучать и оценивать модель логистической регрессии, которая представляет собой простой и часто используемый алгоритм для задач классификации с использованием библиотеки scikit-learn. Предполагается, что функция load_data() загружает ваши данные, переменные X и y будут вашими функциями и целевыми переменными соответственно.