使用Anaconda3（Python3）完成一个分类器

最新推荐文章于 2024-05-12 03:10:48 发布

原创

最新推荐文章于 2024-05-12 03:10:48 发布 · 823 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍如何利用Anaconda3环境，通过逻辑回归和梯度下降方法建立一个分类器。样本数据涉及年龄和肿瘤大小，目标是区分恶性与良性肿瘤。代码可以直接在Anaconda3(Python3)中运行，并展示了学习率、迭代次数设置以及分类结果和代价函数变化的图像。

分类是一种监督学习，体现在输入样本数据学习，然后给定输入，输出分类。

如图所示，样本是（年龄，肿瘤大小）的元组以及肿瘤是否恶性，对其进行监督学习，得到一条直线，直线分类出恶性和良性肿瘤。

本文采用的样本如下，位置为 data\ex.dat

17.650000	2.118750	1.000000
3.150000	14.118750	1.000000
15.650000	18.618750	1.000000
8.150000	16.618750	1.000000
3.150000	6.118750	1.000000
13.650000	1.618750	1.000000
13.150000	-4.881250	1.000000
4.150000	7.618750	1.000000
15.650000	15.618750	1.000000
19.650000	3.618750	1.000000
4.650000	5.118750	1.000000
3.150000	12.618750	1.000000
8.150000	14.618750	1.000000
8.150000	-6.881250	1.000000
11.650000	8.618750	1.000000
3.150000	8.618750	1.000000
10.650000	5.118750	1.000000
13.650000	15.118750	1.000000
6.650000	3.118750	1.000000
6.150000	-1.381250	1.000000
-4.850000	9.118750	1.000000
-4.350000	11.118750	1.000000
-6.350000	4.618750	1.000000
-4.850000	14.118750	1.000000
4.150000	-7.881250	1.000000