Python实现Logistic回归

最新推荐文章于 2024-09-13 20:56:55 发布

「已注销」

最新推荐文章于 2024-09-13 20:56:55 发布

阅读量767

点赞数 1

分类专栏：机器学习文章标签：机器学习 python

本文链接：https://blog.youkuaiyun.com/fatfairyyy/article/details/115308249

版权

本文介绍了使用Python实现Logistic回归的过程，虽然未能成功绘制测试集的Logistic回归曲线，但根据代码运行结果，Logistic回归的分类功能已实现，达到了预期的收敛效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
np.random.seed(123)

#进行初始化
X ,y_true = make_blobs(n_samples=1000,centers=2)
# 👆从make_blobs中取了1000个样本点，聚类中心有2个，即分为两簇，用于训练
fig = plt.figure(figsize=(8,6))
plt.scatter(X[:,0],X[:,1],c=y_true)
plt.title("Dataset")
plt.xlabel("First feature")
plt.ylabel("Second feature")
plt.show()

#使y向量由行向量重塑为列向量
y_true = y_true[:,np.newaxis]