从外部导入鸢尾花数据集并进行二分类并可视化的python代码

好的，下面是Python代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

# 导入数据集
iris = load_iris()
X = iris.data[:, :2]  # 取前两个特征
y = (iris.target != 0) * 1  # 二分类

# 数据可视化
plt.scatter(X[y == 0][:, 0], X[y == 0][:, 1], color='red', label='0')
plt.scatter(X[y == 1][:, 0], X[y == 1][:, 1], color='blue', label='1')
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.legend()

# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 模型训练
clf = LogisticRegression()
clf.fit(X_train, y_train)

# 模型评估
print("Train accuracy:", clf.score(X_train, y_train))
print("Test accuracy:", clf.score(X_test, y_test))

这段代码实现了以下几个步骤：
1. 从`sklearn`库中导入鸢尾花数据集。
2. 取鸢尾花数据集的前两个特征，并将数据集转化为二分类问题。
3. 可视化鸢尾花数据集。
4. 将数据集划分为训练集和测试集。
5. 用逻辑回归模型进行训练，并输出模型在训练集和测试集上的准确率。