二维机器学习测试数据生成

最近在看mlapp的第七八章，讲的是线性回归和逻辑回归的内容

当然就难免写点代码来进行实验，总喜欢自己做一些数据而不只是写一个原函数再加上噪声

毕竟自己点点点出来然后得到学习的直线比较有feel，所有就需要这样一个东西：

一个坐标系上点点点出一些点，然后自动生成点的数据放在程序里来跑

估计是东西太小，都没看人做个，纠结一番还是自己动手做了一个

【【【【【【【【地址在此，请用支持html5的浏览器打开】】】】】】】】

我学javascript和html也比较浅，反正各种参考最后是搞出来了

大概的界面就是下面这个样子，可以输入宽和高调节坐标系的大小

（负数就没搞出来了，反正是学习用的）

点生成数据按钮在下面的文本框里得到数据，可以选择是否在每个样例前添加一个常数1（具体啥用知道的都知道）

可以选择regression（X内容是x的坐标，y的内容是点的y轴的坐标值）

      或者logistic模式（X的内容是点的完整坐标，y的内容是点的标号）

默认是regression模式的

生成的数据可以直接放在python里面跑，比如：

生成的数据放在python里的fit出来的结果就是：（下面的横轴坐标不均匀，所以看起来有点变形，其实没有）

而上图生成的logistic样例就是下面这样，这样就不用苦逼地自己去编数据了，点点几下东西就出来了^_^

X=[
[1,1.7611110925674438,3.6876739501953124],
[1,2.7111110925674438,5.637673950195312],
[1,4.311111092567444,6.2876739501953125],
[1,3.4611110925674438,4.087673950195312],
[1,5.261111092567444,5.5376739501953125],
[1,6.4111110925674435,6.437673950195313],
[1,6.6611110925674435,3.7376739501953127],
[1,3.811111092567444,2.2876739501953125],
[1,2.9611110925674438,2.2376739501953127],
[1,4.961111092567444,3.9876739501953127],
[1,5.861111092567444,12.337673950195313],
[1,6.861111092567444,14.137673950195312],
[1,7.111111092567444,12.637673950195312],
[1,8.311111092567444,10.837673950195313],
[1,9.211111092567444,11.537673950195312],
[1,8.861111092567445,14.237673950195312],
[1,9.911111092567443,14.137673950195312],
[1,9.111111092567445,13.537673950195312],
[1,10.161111092567443,11.987673950195312],
[1,11.011111092567443,11.687673950195313],
[1,13.011111092567443,6.087673950195312],
[1,13.711111092567444,8.137673950195312],
[1,15.161111092567443,7.0376739501953125],
[1,15.461111092567444,5.137673950195312],
[1,15.811111092567444,2.7376739501953127],
[1,13.761111092567443,3.9876739501953127],
[1,14.511111092567443,5.837673950195312],
[1,16.261111092567443,8.337673950195313],
[1,16.611111092567445,6.487673950195313],
[1,17.461111092567442,4.187673950195313],
[1,18.011111092567443,8.037673950195312],
[1,18.361111092567445,9.787673950195312],
[1,18.611111092567445,10.037673950195312]]


y=[
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1]]