吴恩达机器学习课程 coursera 第二次编程作业（Logistic Regression Regularized） python实现

-TOXNO-

于 2020-02-05 20:39:05 发布

阅读量641

点赞数 2

分类专栏：机器学习文章标签： python 机器学习

本文链接：https://blog.youkuaiyun.com/qq_36911138/article/details/104188075

版权

这篇博客介绍了吴恩达在Coursera上的机器学习课程中，关于Logistic Regression Regularized的第二次编程作业，用Python进行实现。作业包括5个文件，分别用于主程序、预测、梯度下降、代价函数和Sigmoid计算。提供有作业文件和训练数据的下载链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是吴恩达机器学习课程的第二次编程作业：Logistic Regression Regularized 的扩展作业，用python实现。

本作业包含5个文件，分别是：

ex2_reg.py 主程序入口

predict.py 预测函数

gradientReg.py 梯度下降算法

costFunctionReg.py 代价函数算法

sigmoid.py 函数计算方法

作业文件和训练集数据下载地址：https://github.com/toanoyx/MachineLearning-AndrewNg-coursera-python/tree/master/ex2%20Logistic%20Regression/ex2_reg

下文是文件的源代码：

ex2_reg.py 主程序入口

import pandas as pd
import matplotlib.pyplot as plt
import scipy.optimize as opt
from costFunctionReg import *
from gradientReg import *
from predict import *

""" 第1部分 可视化数据集 """

path = 'ex2data2.txt'
data2 = pd.read_csv(path, header=None, names=['Test 1', 'Test 2&#