Python Scikit-learn 二分类模型训练实战

下面是一个使用 Python 和 scikit-learn 库来实现二分类训练模型的示例代码：

# 导入所需的库
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 假设你的数据已经准备好，特征矩阵为X，目标变量为y

# 数据预处理
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 构建模型
model = LogisticRegression()

# 模型训练
model.fit(X_train, y_train)

# 模型预测
y_pred = model.predict(X_test)

# 模型评估
accuracy = accuracy_score(y_test, y_pred)
print('模型准确率：', accuracy)

# 保存模型
import pickle

with open('model.pkl', 'wb') as file:
    pickle.dump(model, file)

请注意，这只是一个简单的示例，使用了逻辑回归作为分类算法。根据你的数据集和需求，你可以选择其他算法和进行进一步的特征工程。另外，模型的保存和加载可以使用 pickle 库来实现。