逻辑回归分类器的决策边界可视化

最近在复盘机器学习的内容，课程中最基础的例子是利用sklearn中的LogisticRegression 来进行将数据进行分类训练，并画出决策边界，这是课程中的效果图，

 

下面来说一下我的程序：

首先加载数据，练习中给的数据及有三列，x1,x2,y,x1和x2 是特征属性，y作为分类的结果，值有两种 0和1 ，所以这是二分类的问题

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt
data = pd.read_csv('data.csv')

加载数据后 构建数据的属性列和标签列

X = np.array(data[['x1','x2']])
y = np.array(data['y'])

选用 sklearn 中的 LogisticRegression 逻辑回归来训练数据

from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression()
classifier.fit(X,y)

对于 LogisticRegression 函数的返回的属性的几点说明：

coef_：返回决策函数中的特征系数

interc