Python是一種高級編程語言，擁有強大的數據分析和可視化能力，因此經常用于機器學習和數據科學領域。在這篇文章中，我們將演示如何使用Python繪制分類模型的分界線。

# 導入需要的庫
import numpy as np
import matplotlib.pyplot as plt
# 創建隨機數據
np.random.seed(0)
X = np.random.randn(200, 2)
y = np.logical_xor(X[:, 0] >0, X[:, 1] >0)
# 繪制數據散點圖
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.xlabel('X1')
plt.ylabel('X2')
plt.show()

在這里，我們創建了一個簡單的二元分類問題來演示如何繪制分類邊界。我們首先使用numpy庫生成200個隨機數據點，然后使用邏輯異或計算標簽y。最后，我們使用matplotlib庫的scatter函數繪制數據散點圖。

# 導入SVC算法
from sklearn.svm import SVC
# 創建SVC分類器
clf = SVC(kernel='linear')
# 擬合數據
clf.fit(X, y)
# 提取分類邊界
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(-3, 3)
yy = a * xx - (clf.intercept_[0]) / w[1]
# 繪制數據散點圖和分類邊界
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.plot(xx, yy)
plt.xlabel('X1')
plt.ylabel('X2')
plt.show()

在這里，我們導入了SVC算法（支持向量機）并創建了一個線性分類器。使用clf.fit函數進行擬合，然后提取分類邊界。最后，我們使用matplotlib庫的plot函數繪制分類邊界。

可以看到，分類邊界將數據分為兩個區域，這是一個簡單的二元分類器的例子。您可以繼續嘗試其他算法，并嘗試更復雜的數據集。