Z = logreg.predict(np.c_[xx.ravel(), yy.ravel()])调用predict()函数进行预测 ， 预测结果赋值给Z 。即：
Z = logreg.predict(np.c_[xx.ravel(), yy.ravel()])[1 1 1 ..., 2 2 2]size: 39501
Z = Z.reshape(xx.shape)调用reshape()函数修改形状，将Z变量转换为两个特征（长度和宽度），则39501个数据转换为171*231的矩阵 。Z = Z.reshape(xx.shape)输出如下：
[[1 1 1 ..., 2 2 2][1 1 1 ..., 2 2 2][0 1 1 ..., 2 2 2]...,[0 0 0 ..., 2 2 2][0 0 0 ..., 2 2 2][0 0 0 ..., 2 2 2]]
plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired)调用pcolormesh()函数将xx、yy两个网格矩阵和对应的预测结果Z绘制在图片上，可以发现输出为三个颜色区块，分布表示分类的三类区域 。cmap=plt.cm.Paired表示绘图样式选择Paired主题 ， 输出区域如下图所示：
plt.scatter(X[:50,0], X[:50,1], color=‘red’,marker=‘o’, label=‘setosa’)调用scatter()绘制散点图，第一个参数为第一列数据（长度） ， 第二个参数为第二列数据（宽度），第三、四个参数为设置点的颜色为红色，款式为圆圈，最后标记为setosa 。
五.本章小结回归分析是通过建立一个回归方程用来预测目标值，并求解这个回归方程的回归系数的方法 。它是统计学中最重要的工具之一，包括线性回归、多项式回归、逻辑回归、非线性回归等 。常用来确定变量之间是否存在相关关系，并找出数学表达式 ， 也可以通过控制几个变量的值来预测另一个变量的值，比如房价预测、增长趋势、是否患病等问题 。
在Python中 ， 我们通过调用Sklearn机器学习库的LinearRegression模型实现线性回归分析，调用PolynomialFeatures模型实现多项式回归分析，调用LogisticRegression模型实现逻辑回归分析 。希望读者实现本章节中的每一部分代码 ， 从而更好的用于自己的研究领域、解决自己遇到的问题 。
该系列所有代码下载地址：
https://github.com/eastmountyxz/Python-zero2one
最后更多参考精彩博文请看这里：@林夕编程喜欢小编的小伙伴可以加个关注、点个赞哦，持续更新嘿嘿！————————————————版权声明：本文为CSDN博主「Eastmount」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明 。
原文链接：https://blog.csdn.net/Eastmount/article/details/118435877
推荐阅读
- 医保查询+参保登记+缴费 肇庆粤医保小程序操作指南
- 青海大学附属医院单管核酸报告在哪里查询？
- 微信怎么查看银行卡余额 微信怎么查看银行卡余额查询
- 可以查询别人的社保吗？ 可以查询别人的社保吗怎么查
- 常州社保查询个人账户缴费明细
- 男人约你动机查询表 男人约会动机查询表
- 收到违章短信但是12123上查询不到 12123上查询不到违章信息讲解
- 招行信用卡账单怎么查询 招行信用卡账单怎么查询不到
- 上海大众4s店 上海大众4s店地址查询
- 常州社保查询个人账户