python实现logistics回归，以及从疝气病症预测病马的死亡率

最新推荐文章于 2023-05-01 12:25:44 发布

原创

最新推荐文章于 2023-05-01 12:25:44 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #算法 #logistics回

这篇博客介绍了如何使用Python实现Logistic回归，特别是通过改进的随机梯度上升算法来拟合非线性sigmoid函数，以预测疝气病马的死亡率。尽管数据存在噪声，导致预测准确率不高，但随机梯度上升算法因其计算资源占用少和在线学习特性而被广泛使用。

logistics回归的目的是寻找一个非线性函数sigmod的最佳拟合参数。通过迭代来更改参数。选取出最佳拟合的参数。可以通过梯度上升算法，随机梯度上升算法，牛顿法，拟牛顿法等方法来实现。而一般随机梯度上升算法是用的比较多的一个方法，主要原因是牛顿法的海塞矩阵在数据很多的时候难以计算

数据处理函数
打开文本文件并逐行读取。每行前两个值分别是 X1 和 X 2 ，第三个值是数据对应的类别标签

def loadDataSet():
    dataMat=[]; labelMat=[]
    fr = open('testSet.txt')
    for line in fr.readlines():
        lineArr=line.strip().split()
        dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])
        labelMat.append(int(lineArr[2]))
    return dataMat,labelM