机器学习 -- 二元逻辑回归实例
来源:互联网 发布:淘宝上买单机游戏 编辑:程序博客网 时间:2024/05/21 15:46
二元逻辑回归可用于向量的概率预测,是一种分类算法。迭代方式可选择最小二乘法或梯度下降。
迭代之后会得到每个特征的系数。
公式(对于有N个特征的向量,其中w[i]为权):
f(x) = 1/(1+ e^[-(w0+w1*x1+w2*x2+...+wn*xn)])
例如有两个特征w1和w2(最小二乘后可得到,以及w0),即可使用公式来计算,在x1和x2的条件下,概率为多少。
实现代码 (C# with accord.net):
public class LogisticRegressionDemo { public static void Execute() { double[][] input = { new double[] { 55, 0 }, new double[] { 28, 0 }, new double[] { 65, 1 }, new double[] { 46, 0 }, new double[] { 86, 1 }, new double[] { 56, 1 }, new double[] { 85, 0 }, new double[] { 33, 0 }, new double[] { 21, 1 }, new double[] { 42, 1 }, }; double[] output = { 0, 0, 0, 1, 1, 1, 0, 0, 0, 1 }; LogisticRegression regression = new LogisticRegression(2); var trainer = new IterativeReweightedLeastSquares(regression); double delta = 0; do { // Perform an iteration delta = trainer.Run(input, output); } while (delta > 0.001); var b1 = regression.Coefficients[1]; var b2 = regression.Coefficients[2]; var b0 = regression.Intercept; var func = new Func<double, double, double>((x1, x2) => { var result = 1 / (1 + Math.Exp(-b0 - b1 * x1 - b2 * x2)); return result; }); var age = 79; var smoking = 0; var r = func(age, smoking); Console.WriteLine("input x [age:{0}, smoking:{1}] is {2}", age, smoking, r); } }static void Main(string[] args) { LogisticRegressionDemo.Execute(); Console.ReadLine(); }
本例使用了accord.net framework ,是不错的.NET机器学习算法学习库。
1 0
- 机器学习 -- 二元逻辑回归实例
- 机器学习-逻辑回归
- 机器学习:逻辑回归
- 机器学习---逻辑回归
- 【机器学习】逻辑回归
- 机器学习----逻辑回归
- 机器学习 逻辑回归
- 机器学习:逻辑回归
- 机器学习--逻辑回归
- 机器学习-逻辑回归
- 机器学习-- 逻辑回归
- 机器学习-逻辑回归
- 机器学习-逻辑回归
- 【机器学习】--逻辑回归
- 机器学习实战3:逻辑logistic回归:病马实例
- 【机器学习笔记】逻辑回归
- 机器学习之逻辑回归
- 机器学习之逻辑回归
- Hibernate注解与JPA
- 刷新布局
- Plsql 执行update或者delete时卡死
- JavaScript初学者难以知道的事(初级篇三)
- MD5加密示例
- 机器学习 -- 二元逻辑回归实例
- 变量的三个属性
- Spring 相关资源
- WebStorm配置JQuery提示
- linux系统中的crontab
- SVN 分支与合并
- CSS选择器特殊性与重要性
- 不借助二维数组,输出蛇形数组
- 第十三周实践项目2.1-动物这样叫