Простая модель машинного обучения с использованием Python и библиотеки scikit-learn

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.