# LogisticRegression是导sklearn包
from sklearn.linear_model import LogisticRegression

# 在逻辑回归中，先创建LR模型对象，之后再给模型对象传入数据进行分类
estimator = LogisticRegression(solver='liblinear', penalty='l2', C =0.5)

# 传入的参数是测试的样本数据，返回结果概率，是1或者是0，属于二分类问题
y_predict=estimator.predict(x_test)
print(y_predict)
"""
[2 4 4 2 2 2 2 2 2 2 2 2 2 4 2 2 4 4 4 2 4 2 4 4 4 2 4 2 2 2 2 2 4 2 2 2 4
 2 2 2 2 4 2 4 4 4 4 2 4 4 2 2 2 2 2 4 2 2 2 2 4 4 4 4 2 4 2 2 4 2 2 2 2 4
 2 2 2 2 2 2 4 4 4 2 4 4 4 4 2 2 2 4 2 4 2 2 2 2 2 2 4 2 2 4 2 2 4 2 4 4 2
 2 2 2 4 2 2 2 2 2 2 4 2 4 2 2 2 4 2 4 2 2 2 4 2 2 2]
"""
# score是预测模型的正确率
gailv = estimator.score(x_test,y_test)
print(gailv) # 0.9854014598540146

score它最好的得分是1.0，但是又可能还是负数，
score它返回的是该次预测的系数R²，
其公式为：
R² = (1- u/v)