逻辑回归和Python应用举例
来源:互联网 发布:dhcp 端口号 编辑:程序博客网 时间:2024/06/06 19:05
逻辑回归和Python应用举例
1. 概率:
利用梯度下降算法:
1.1 定义 概率(P)robability: 对一件事情发生的可能性的衡量
1.2 范围 0 <= P <= 1
1.3 计算方法:
1.3.1 根据个人置信
1.3.2 根据历史数据
1.3.3 根据模拟数据
1.4 条件概率:
2. Logistic Regression (逻辑回归)
2.2 基本模型
测试数据为X(x0,x1,x2···xn)
要学习的参数为: Θ(θ0,θ1,θ2,···θn)
处理二值数据,引入Sigmoid函数时曲线平滑化
学习率
同时对所有的θ进行更新
重复更新直到收敛
import numpy as npimport randomdef genData(numPoints,bias,variance): x = np.zeros(shape=(numPoints,2)) y = np.zeros(shape=(numPoints)) for i in range(0,numPoints): x[i][0]=1 x[i][1]=i y[i]=(i+bias)+random.uniform(0,1)+variance return x,ydef gradientDescent(x,y,theta,alpha,m,numIterations): xTran = np.transpose(x) for i in range(numIterations): hypothesis = np.dot(x,theta) loss = hypothesis-y cost = np.sum(loss**2)/(2*m) gradient=np.dot(xTran,loss)/m theta = theta-alpha*gradient print ("Iteration %d | cost :%f" %(i,cost)) return thetax,y = genData(100, 25, 10)print ("x:",x)print ("y:",y)m,n = np.shape(x)n_y = np.shape(y)print("m:"+str(m)+" n:"+str(n)+" n_y:"+str(n_y))numIterations = 100000alpha = 0.0005theta = np.ones(n)theta= gradientDescent(x, y, theta, alpha, m, numIterations)print(theta)
0 0
- 逻辑回归和Python应用举例
- 多元线性回归和Python应用举例
- 回归中的相关系数以及R平方值和Python应用举例
- 逻辑回归的应用
- python实现逻辑回归
- 逻辑回归 python 实现
- python/逻辑回归
- python与逻辑回归
- Python实现逻辑回归
- 逻辑回归Python代码
- 逻辑回归----Python实现
- python 逻辑回归
- python 逻辑回归
- Python实现逻辑回归
- 线性回归和逻辑回归
- 线性回归和逻辑回归
- 线性回归和逻辑回归
- 线性回归和逻辑回归
- 10-排序4 统计工龄 (20分)
- 基于keras的深度学习(1)(转)
- Android-Activity、Window、View之间的关系
- 程序3--完全平方数
- C/C++中的double类型四舍五入
- 逻辑回归和Python应用举例
- 深入理解计算机系统概述· 零
- 关于Linux-管道和过滤器
- Debian系列Linux安装DURAL,打造五星级的“家”
- npm 常用命令详解
- InputStream
- xgboost gpu加速
- 中国资本市场5大结构体系
- Ubuntu下MySQL中文乱码的问题解决