在逻辑回归中使用Pipeline之后绘制决策边界的代码是这样的（不用Scaler）

log = Pipeline([
   ('poly', PolynomialFeatures()),
   ('log_reg', LogisticRegression())
])
log.fit(X, y)

plot_decision_boundary(log, axis=[-1, 1, -1, 1])
plt.scatter(X[y == 0, 0], X[y == 0, 1])
plt.scatter(X[y == 1, 0], X[y == 1, 1])
plt.show()

然而如果不适用管道应该怎么绘制边界？不用管道的代码如下，但是X_poly特征经过多项式处理已经有了6个了，怎样像管道一样画出图像呢？

poly = PolynomialFeatures()
poly.fit(X)
X_poly = poly.transform(X)

log = LogisticRegression()
log.fit(X_poly, y)

plot_decision_boundary(log, axis=[-1, 1, -1, 1])
plt.scatter(X[y == 0, 0], X[y == 0, 1])
plt.scatter(X[y == 1, 0], X[y == 1, 1])
plt.show()