用python写一段代码：使用 sklearn 库 对鸢尾花数据建立逻辑回归模型并进行可视化

好的，下面是代码实现：

# 导入需要的库
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt

# 加载鸢尾花数据集
iris = load_iris()

# 取出花瓣长度和宽度作为特征
X = iris.data[:, :2]

# 取出标签，即鸢尾花的种类
y = iris.target

# 建立逻辑回归模型并进行训练
logreg = LogisticRegression(C=1e5)
logreg.fit(X, y)

# 对模型进行可视化
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
h = .02  # 步长
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
Z = logreg.predict(np.c_[xx.ravel(), yy.ravel()])

# 将结果可视化
Z = Z.reshape(xx.shape)
plt.figure(1, figsize=(4, 3))
plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired)

# 将训练集也可视化
plt.scatter(X[:, 0], X[:, 1], c=y, edgecolors='k', cmap=plt.cm.Paired)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')

plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.xticks(())
plt.yticks(())

plt.show()

代码中使用了sklearn库中的逻辑回归模型，并使用matplotlib库进行可视化。首先加载鸢尾花数据集，并取出花瓣长度和宽度作为特征，取出标签作为鸢尾花的种类。然后建立逻辑回归模型并进行训练，最后将模型和训练集进行可视化。