机器学习：逻辑回归实现二元分类

本例子以鸡蛋受精卵为例，假设未受精的鸡蛋在某个区域聚集，受精的在另一个区域。比如，用正态分布生成两个类别的数据，均值不同，方差相同或不同。例如，未受精的鸡蛋的特征均值为[1,1]，受精的为[4,4]，这样两类数据点可以在二维空间中被分开。

首先，生成数据。使用sklearn的make_classification或者直接手动生成。比如，生成两个类别的点，各50个样本，每个样本有两个特征。

例如，使用numpy的random.multivariate_normal生成两个不同的分布。

然后，合并数据，创建标签，0和1代表两类。

数据标准化：使用StandardScaler，使得每个特征的均值为0，方差为1，这样有助于模型训练。

分割数据集：训练集和测试集，比例通常为8:2或7:3。

训练逻辑回归模型：用LogisticRegression类。

预测测试集，计算准确率，混淆矩阵等。

可视化部分：画出训练数据和测试数据的散点图&#