机器学习——softmax回归多分类算法（Iris数据集）

最新推荐文章于 2023-10-26 20:51:24 发布

原创

最新推荐文章于 2023-10-26 20:51:24 发布 · 1.8k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习

本文介绍如何运用梯度下降法实现softmax回归，以iris数据集为例进行多分类任务。通过交叉验证评估模型性能。

机器学习——softmax回归（Iris数据集）

第五周课程课后作业

用梯度下降的方法，实现softmax回归多分类算法，数据采用iris，数据取全部三类，并采用交叉验证法进行模型评估。

# -*- coding:utf-8 -*-
import numpy as np
from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import f1_score
from sklearn.metrics import recall_score
from sklearn.metrics import precision_score
from sklearn.metrics import accuracy_score


# 将第五列通过转换函数映射成浮点类型的数据
def iris_type(s):
    it = {
   
   b'Iris-setosa': 0, b'Iris-versicolor': 1, b'Iris-virginica': 2}
    return it[s]


def softmax(z):
    # 防止溢出，不改变结果
    M = max(z)
    z = z - M
    return np.exp(z) / np.sum(np.exp(z))


def trainning(x_train, y_train):
    global learningrate, d
    c = 3  # 类的数量
    t