預測性健康維護（PHM）中使用邏輯回歸（Logistic Regression，LR）來預測設備的壽命是一種常見的方法。這可以通過應用二元分類的邏輯回歸模型來實現～

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, classification_report

# 假設你有一個PHM數據集，其中包括特徵和對應的壽命狀態（0表示正常，1表示故障）
# X是特徵，y是壽命狀態
X, y = np.random.rand(100, 5), np.random.randint(0, 2, size=100)

# 將數據集劃分為訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化邏輯回歸模型
lr_model = LogisticRegression()

# 訓練模型
lr_model.fit(X_train, y_train)

# 預測壽命狀態
y_pred = lr_model.predict(X_test)

# 計算準確度
accuracy = accuracy_score(y_test, y_pred)

# 打印準確度和分類報告
print(f"準確度: {accuracy}")
print(classification_report(y_test, y_pred))