2018-04-23

周末,学习了2天机器学习的课程,整片的公式推导让我有些发蒙,今天就请假一天来整理下逻辑回归中的一些知识点。以备以后复习使用。

话不多说直接上手写的源代码,以便理解其中逻辑回归中“真正的逻辑”,而非调包。

#使用一个分类的数据-------------------

1.数据的预处理

2018-04-23_第1张图片

该代码中的Categorical就是对‘class’中的类重新进行编码,这里把其中的字符串类型转换为0

、1、2等   打印的信息如下

2018-04-23_第2张图片

2.备用函数a

其中y_prob 表示概率值,该函数就是根据概率值来做2分类问题。


2018-04-23_第3张图片

备用函数b

参数theta,x就是对应下图的θ和x

2018-04-23_第4张图片

备用函数c

y_true:是对应样本中真实的分类情况0,1,2(也就是数据中的class索引)

prob:是对应样本中概率值0--1

2018-04-23_第5张图片

备用函数已经准备完毕,下面就要使用梯度下降法开始迭代


2018-04-23_第6张图片

使用sklearn库做模型就相当easy了

2018-04-23_第7张图片
注:sigmoid函数给出来的概率是预测接近于1的概率

你可能感兴趣的:(2018-04-23)