逻辑回归---梯度下降法

前言：

线性关系主要解决一类事物的特点，而逻辑回归注重于解决分类问题，试图寻找多种事物的边界所在，因此掌握逻辑回归是十分必要的！

正文：

#老朋友
import matplotlib.pyplot as plt
import numpy as np
#做模型评估的，正确率，召回率等
from sklearn.metrics import classification_report
#数据是否需要标准化，可以做也可以不做
from sklearn import preprocessing
#False代表不做,True代表做
#做标准化会使数据变得更加准确更加平滑，推荐做
scale = True

#载入数据
data = np.genfromtxt("LR-testSet.csv",delimiter = ",")
#切分数据，从第1列到最后一列但不包括最后一列
x_data = data[:,:-1]
#最后一列
y_data = data[:,-1]
#定义画图函数
def plot():
    x0 = []
    x1 = []
    y0 = []
    y1 = []
    #切分不同类别的数据
    #有多少数据，循环多少次
    for i in range(len(x_data)):
        #如果数据属于y=0这个类别
        if y_data[i] == 0:
            #把每行第一个数据送给x0
            x0.append(x_data[i,0])
            #把每行第二个数据送给y0
            y0.append(x_data[i,1])
        #如果这个数据属于y=1这个类别
        else:
            #把每行第一个数据送给x0
            x1.append(x_data[i