【Python】 了解二分类：机器学习中的基础任务

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
 
# 生成一个二分类的数据集
X, y = make_classification(n_samples=1000, n_features=20, n_informative=15, n_redundant=5, n_classes=2, random_state=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)
 
# 创建一个逻辑回归模型
model = LogisticRegression()
 
# 训练模型
model.fit(X_train, y_train)
 
# 进行预测
y_pred = model.predict(X_test)
 
# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f"模型的准确度: {accuracy}")

这段代码使用了sklearn库中的make_classification函数来生成一个二分类的数据集，然后使用train_test_split函数将数据集划分为训练集和测试集。接着，创建了一个LogisticRegression模型，对训练集进行训练，并在测试集上进行预测。最后，使用accuracy_score函数评估了模型的准确度。这个过程是处理二分类问题的基础，对于初学者来说，这是一个很好的入门示例。