Логистическая регрессия phyton для чайника

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier

# Загрузка данных из Excel файла
data = pd.read_excel('путь_к_вашему_файлу.xlsx')

# Разделение данных на признаки и целевую переменную
X = data.drop('Целевая_переменная', axis=1)
y = data['Целевая_переменная']

# Разделение данных на обучающий и тестовый наборы
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Создание и обучение модели логистической регрессии
log_reg_model = LogisticRegression()
log_reg_model.fit(X_train, y_train)

# Получение вероятностей с помощью логистической регрессии
log_reg_probs = log_reg_model.predict_proba(X_test)[:, 1]

# Создание и обучение модели метода "случайный лес"
rf_model = RandomForestClassifier()
rf_model.fit(X_train, y_train)

# Получение вероятностей с помощью метода "случайный лес"
rf_probs = rf_model.predict_proba(X_test)[:, 1]