matplotlib如何对逻辑回归训练样本分类绘图？对应代码运行原理是什么？

1. pos = y == 1与neg = y == 0的运行逻辑 #

这两行是numpy的逐元素比较运算，会生成和y形状完全一致的布尔型掩码数组：

• y == 1会逐个判断y中每个标签值是否等于1，对应位置为True代表该样本是录取样本，False代表不是，最终生成的布尔数组赋值给pos
• 同理y == 0生成的neg数组，对应位置为True代表该样本是未录取样本

举个例子，你给出的y前3个值为0., 0., 0.，那么pos前3个值就是[False, False, False]，neg前3个值就是[True, True, True]。

2. 数组索引的取值逻辑 #

X是形状为(样本总数, 2)的二维numpy数组，第一个维度对应样本序号，第二个维度对应特征：0是第一次考试成绩，1是第二次考试成绩。
用布尔掩码索引第一个维度时，numpy会自动筛选出掩码为True对应位置的所有行：

• X[pos, 0]：筛选所有录取样本的第一次考试成绩，作为散点图的横轴取值
• X[pos, 1]：筛选所有录取样本的第二次考试成绩，作为散点图的纵轴取值
• 同理X[neg, 0]、X[neg, 1]分别对应所有未录取样本的第一次、第二次考试成绩，作为另一组散点的横纵轴取值

3. 绘图逻辑 #

• 第一行绘图代码用星号标记所有录取样本，每个星号的坐标就是对应学生的两次考试成绩(第一次成绩, 第二次成绩)
• 第二行绘图代码用黄底黑边的圆圈标记所有未录取样本，坐标对应未录取学生的两次考试成绩

最终就会得到两类样本用不同符号区分的散点图。

内容的提问来源于stack exchange，提问作者Circuit_Breaker0.7