机器学习-Logistic回归（最佳回归系数的确定）

最新推荐文章于 2024-07-30 17:55:55 发布

原创

最新推荐文章于 2024-07-30 17:55:55 发布 · 1.4k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#Logistic回归 #python #机器学习 #全批量梯度上升法

这篇博客探讨了在机器学习中使用Logistic回归时如何确定最佳回归系数。博主遇到了概率论公式理解的困难，特别是面对Sigmoid函数和全批量梯度上升法时感到挑战。文章将深入解释这些概念，帮助读者掌握Logistic回归的关键步骤。

后悔没学好概率论了，那公式看的好吃力啊，怎么办，我好慌。。。

数据包

Sigmoid函数：

全批量梯度上升法：

import numpy as np
import matplotlib.pyplot as plt

"""装载函数"""
def loadDataSet():
    dataMat = []
    labelMat = []
    fr = open('testSet.txt')
    for line in fr.readlines():  # 按行取数据
        lineArr = line.strip().split()  # 按空格切分
        dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])  # 每一行的前两个数据存入特征集
        labelMat.append(int(lineArr[2]))  # 每一行的最后一个数据存入标签集
    return dataMat, labelMat

"""Sigmoid函数"""
def sigmoid(inX):
    return 1.0 / (1 + np.exp(-inX))

"""梯度