二元logistic回归 python代码案例

以下是一个简单的二元logistic回归的Python代码案例：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression

# 创建数据集
np.random.seed(0)
X = np.random.randn(100, 2)
y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)

# 训练逻辑回归模型
clf = LogisticRegression()
clf.fit(X, y)

# 绘制决策边界
xx, yy = np.meshgrid(np.linspace(-3, 3, 500), np.linspace(-3, 3, 500))
Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
Z = Z.reshape(xx.shape)
plt.contour(xx, yy, Z, levels=[0.5], cmap="Greys", vmin=0, vmax=.6)

# 绘制数据点
plt.scatter(X[:, 0], X[:, 1], c=y, cmap="bwr", edgecolors="k")
plt.axis("tight")
plt.show()

这个例子使用sklearn库中的LogisticRegression模型，创建了一个二元分类数据集，并绘制了决策边界。