我刚刚为正则化Logistic回归实现了一个模型，但是在绘制决策边界时遇到了困难。我正在使用一个名为mlxtend的程序包，该程序包应该是实现决策边界的一种无缝方法，但是我花了一整天的时间来尝试使它生效。
请向我指出正确的方向，以绘制决策边界。太感谢了！
导入matplotlib.pyplot作为plt
将熊猫作为pd导入
将numpy导入为np
从sklearn.preprocessing导入PolynomialFeatures
从sklearn.linear_model导入LogisticRegression
从sklearn.model_selection导入train_test_split
从mlxtend.plotting导入plot_decision_regions
数据集= pd.read_csv（“ Microchip Test Dataset.txt”，名称= [“ Test 1”，“ Test 2”，“ Accepted”]）
打印（dataset.head（））
＃可视化数据集
正=数据集[数据集[“已接受”] == 1]
否=数据集[数据集[“已接受”] == 0]
plt.scatter（正[“测试1”]，正[“测试2”]，颜色=“蓝色”，标记=“ o”，标签=“接受”）
plt.scatter（否定[“测试1”]，否定[“测试2”]，颜色=“红色”，标记=“ x”，标签=“已拒绝”）
plt.title（“ Microchip Test”）
plt.xlabel（“测试1”）
plt.ylabel（“测试2”）
plt.legend（）
plt.show（）
＃预处理数据
col = len（dataset.columns）
x = dataset.iloc [：，0：col-1] .values
y = dataset.iloc [：，col-1：col] .values
＃添加多项式特征
poly =多项式特征（6）
x = poly.fit_transform（x）
print（f“ \ nX Shape：{x.shape} Y Shape：{y.shape}”）
x_train，x_test，y_train，y_test = train_test_split（x，y，random_state = 1306）
＃培训模式
reg = LogisticRegression（）
reg.fit（x_train，y_train）
概率= reg.predict（x_test）
precision_score = reg.score（x_test，y_test）* 100
coeff = reg.coef_
截距= reg.intercept_
print（f“精度：{accuracy_score：.2f}％”）
print（f“系数= {coeff}”）
print（f“拦截系数= {拦截}”）
值= 1.5
宽度= 0.75
e = {}
f = {}
对于我在范围（2,28）中：
e [i] =值
对于范围（2,28）中的j：
f [j] =宽度
＃可视化输出
plot_decision_regions（x，y.flatten（），clf = reg，
Filler_feature_values = e，
Filler_feature_ranges = f，
）
plt.xlabel（“测试1”）
plt.ylabel（“测试2”）
plt.legend（）
plt.show（）
数据集为：Microchip测试数据集