李宏毅机器学习中文课程作业二：预测赢家还是输家

一、作业要求

给定训练集spam_train.csv，要求根据每个ID各种属性值来判断该ID对应角色是Winner还是Losser(收入是否大于50K)，这是一个典型的二分类问题。
训练集介绍：

1. CSV文件，大小为4000行X59列;
2. 4000行数据对应着4000个角色，ID编号从1到4001;
3. 59列数据中， 第一列为角色ID，最后一列为分类结果，即label(0、1两种)，中间的57列为角色对应的57种属性值；

二、思路分析及代码实现

思路分析：

这是一个典型的二分类问题，结合课上所学内容，决定采用Logistic回归算法。
与线性回归用于预测不同，Logistic回归则常用于分类(通常是二分类问题)。Logistic回归实质上就是在普通的线性回归后面加上了一个sigmoid函数，把线性回归预测到的数值压缩成为一个概率，进而实现二分类（关于线性回归模型，可参考上一次作业）。
在损失函数方面，Logistic回归并没有使用传统的欧式距离来度量误差，而使用了交叉熵(用于衡量两个概率分布之间的相似程度)。

代码实现：

具体原理可参考：传送门

1. 数据预处理
读入文件，先将最后两列进行归一化操作。然后将文件分为训练集和验证集，并分布保存为python文件，方便调用。

2. 训练
定义激活函数sigmoid和损失函数compute_loss。

开始利用梯度下降法进行训练,并每隔三轮验证一下训练集的预测精度。


输出训练结果。

3. 预测
利用训练结果进行预测。

数据集和代码见：代码地址