吴恩达logistic回归实现

原创

于 2019-09-06 16:48:12 发布 · 509 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #深度学习

本文通过鸢尾花数据集，选取sepal length和sepal width两个特征，利用吴恩达的方法实现logistic回归，对鸢尾花进行0和1两类别的分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

采用iris数据集，抽取sepal length 和 sepal width两个特征，抽取0和1两个类别，运用logistic回归对其进行分类，数据集如图所示


import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt

#sigmoid函数
def basic_sigmoid(x):

    sigmoid = 1.0 / (1 + np.exp(-x))
    return sigmoid
 
#sigmoid的导函数
def sigmoid_derivative(x):

    
    s = basic_sigmoid(x)
    ds = s * (1 - s)
    return ds

#初始化权重
def initialize(dim):
    W=np.zeros((dim,1))
    b=0
    return W,b

def propagate(X,Y,W,b,learn):
    #正向传播X:nxm  Y:1xm W:nx1
    m=X.shape[1]
    Z=np.dot(W.T,X)+b
    A=basic_sigmoid(Z)
    #print(A)
    cost=-1/m*np.sum(Y * np.log(A) + (1 - Y) * np.log(1 - A))
    
    #反向
    dw=1/m*np.dot(X,(A-Y).T)
    db=1/m*np.sum(A-Y)
    #更新
    W=W-learn*dw
    b=b-learn*db
    retu