使用梯度下降算法设计基于Logistic Regression的二分类器。

本文介绍了一种有监督学习的方法,并通过具体的步骤展示了如何使用给定的数据集进行分类任务。使用q1x.dat作为特征数据,q1y.dat作为标签数据,通过绘制不同类型的点来直观展示分类效果。通过logistic_grad_ascent算法求得参数θ,进一步绘制出决策边界,使得两类数据点分布在决策边界的两侧。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有监督学习
原理:
这里写图片描述这里写图片描述
流程图:
这里写图片描述
画数据点集图时以q1x.dat数据的第一列数据(设a)和第二列数据(设b)分别了横纵坐标,结合q1y中的数据当q1y(i)==0时点为“红色+”否则为“*”,这样起到了区分两类点的作用。
Theta由已给算法求得,根据hθ(x)=θ0+θ1x1+θ2x2移位求x2(即线的纵坐标)其中x1为a的范围设为c,hθ(x)为0,然后用Logistic画出一条线,尽量使两类点分布在这条线两边。

[主要数据结构]
load q1x.dat;
load q1y.dat;
a = q1x(:,1);
b = q1x(:,2);
[n,m]=size(a);
for i = 1:50
plot(a(i),b(i),’r+’)
for i=51:99
hold on
plot(a(i),b(i),’*’)
end
end
[theta, ll] = logistic_grad_ascent(q1x,q1y);
c=0.5708:0.0001:7.7054;
x2=(0-theta(1)-theta(2)*c)/theta(3);
hold on
plot(c,x2)
只是一部分缺结果图

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值