徒手写代码之《机器学习实战》----逻辑回归算法(1)（从疝气病症预测病马的死亡率项目）

憨宝宝

于 2019-05-26 16:39:30 发布

阅读量775

点赞数 1

分类专栏：机器学习实战书籍个人总结文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/qq_41205464/article/details/90577563

版权

本文介绍了如何使用逻辑回归算法预测病马因疝气病症的死亡率，涉及Sigmoid函数、梯度提升算法及随机梯度上升算法的定义，并详细解释了改进的随机梯度上升算法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

从疝气病症预测病马的死亡率

说明:

将 horseColicTraining.txt 和 horseColicTest.txt 放在当前目录下。

import numpy as np
import matplotlib.pyplot as plt

定义 Sigmoid 函数

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

定义一般的梯度提升算法

def gradAscent(dataMatIn, classLabels):
    #转换成numpy的mat矩阵
    dataMatrix = np.mat(dataMatIn)   
    #转换成numpy的mat矩阵并且转置
    labelMat = np.mat(classLabels).transpose() 
    m, n = np.shape(dataMatrix)
    alpha = 0.001
    #设置最大迭代次数为500次
    maxCycles = 500
    #权重全部初始化为1
    weights = np.ones((n, 1))
    for k in range(maxCycles): 
        """
        批量梯度上升法
        """
        h = sigmoid(dataMatrix*weights)     
        error = (labelMat - h)              
        weights = weights + alpha * dataMatrix.transpose

最低0.47元/天解锁文章