要使用Scikit-learn實現邏輯回歸，首先需要導入LogisticRegression模塊，然后創建LogisticRegression對象，并調用fit方法擬合模型，最后使用predict方法進行預測。
以下是一個簡單的邏輯回歸示例：
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加載數據集
iris = load_iris()
X = iris.data
y = iris.target
# 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 創建LogisticRegression對象
model = LogisticRegression()
# 擬合模型
model.fit(X_train, y_train)
# 預測
predictions = model.predict(X_test)
# 計算準確率
accuracy = accuracy_score(y_test, predictions)
print("準確率:", accuracy)
在這個示例中，我們使用鳶尾花數據集進行邏輯回歸模型的訓練和預測。我們首先加載數據集，然后將數據集劃分為訓練集和測試集。然后創建LogisticRegression對象，并使用訓練集擬合模型。最后使用測試集進行預測，并計算準確率。
