机器学习实战-第五章 Logistic回归笔记

def loadDataSet():
    dataMat = []; labelMat = []
    fr = open(r'data\MLiA_SourceCode\machinelearninginaction\Ch05\testSet.txt')
    for line in fr.readlines():
        # 按照空格分割文本，返回列表
        lineArr = line.strip().split()
        dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])
        labelMat.append(int(lineArr[2]))
    return dataMat,labelMat

 

      上述分别为读取数据文件的代码和原数据，原数据共有三列，最后一列是类别。可以看到在代码第7行，构建数据矩阵dataMatrix时不仅读取了数据的前两列，而且还增加了一列数据（常数1），因为权重向量的长度是根据特征个数定的，如果完全按照原数据，只需要设置即可，但增加了一列数据后，权重就增加了一维，变成书中给出的解释为“为了方便计算”，但我仍然不是很清楚。

      后来和同学进行讨论，有了一个比较合理的解释。可以把与常数列相乘的权重分量看做偏置，即：

    而增加偏置的好处可以增加函数的灵活性，提高函数的拟合能力，详情可以查看神经网络中的偏置究竟有什么用？

    上述解释仅为个人的理解和猜想，本人是小白，还在学习中，写笔记旨在记录学习过程中的疑惑和解决方法，如有错误欢迎各位大佬批评指正！