Python利用逻辑回归分类实现模板
更新时间：2020年02月15日 16:14:37 作者：米米奇
这篇文章主要介绍了Python利用逻辑回归分类实现模板的思路，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程，为最大化方程，利用牛顿梯度上升求解方程参数。
- 优点：计算代价不高，易于理解和实现。
- 缺点：容易欠拟合，分类精度可能不高。
- 使用数据类型：数值型和标称型数据。
好了，下面开始正文。
算法的思路我就不说了，我就提供一个万能模板，适用于任何纬度数据集。
虽然代码类似于梯度下降，但他是个分类算法
定义sigmoid函数
def sigmoid(x): return 1/(1+np.exp(-x))
进行逻辑回归的参数设置以及迭代
def weights(x,y,alpha,thershold): #初始化参数 m,n = x_train.shape theta = np.random.rand(n) #参数 cnt = 0 # 迭代次数 max_iter = 50000 #开始迭代 while cnt < max_iter: cnt += 1 diff = np.full(n,0) for i in range(m): diff = (y[i]-sigmoid(theta.T @ x[i]))*x[i] theta = theta + alpha * diff if(abs(diff)<thershold).all(): break return theta
预测函数
def predict(x_test,theta): if sigmoid(theta.T @ x_test)>0.5: return 1 else:return 0
调用函数
x_train = np.array([[1,2.697,6.254],
[1,1.872,2.014],
[1,2.312,0.812],
[1,1.983,4.990],
[1,0.932,3.920],
[1,1.321,5.583],
[1,2.215,1.560],
[1,1.659,2.932],
[1,0.865,7.362],
[1,1.685,4.763],
[1,1.786,2.523]])
y_train = np.array([1,0,0,1,0,1,0,0,1,0,1])
alpha = 0.001 # 学习率
thershold = 0.01 # 指定一个阈值，用于检查两次误差
print(weights(x_train,y_train,alpha,thershold))
总结
以上所述是小编给大家介绍的Python利用逻辑回归分类实现模板，希望对大家有所帮助！
相关文章
这篇文章主要为大家详细介绍了python实现音乐播放器，实现花框音乐盒子，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-02-02
这篇文章主要介绍了Tensorflow分类器项目自定义数据读入的实现，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2019-02-02
本篇将介绍python中sys, getopt模块处理命令行参数的方法，本文给大家介绍的非常详细，具有参考借鉴价值，需要的朋友参考下吧2018-01-01
这篇文章主要介绍了Python实现堡垒机模式下远程命令执行操作,结合实例形式分析了Python堡垒机模式执行远程命令的原理与相关操作技巧,需要的朋友可以参考下2019-05-05
这篇文章主要介绍了python3 简单实现组合设计模式的方法，文中示例代码非常详细，帮助大家更好的理解和学习，感兴趣的朋友可以了解下2020-07-07
这篇文章主要介绍了python在windows下实现备份程序,需要的朋友可以参考下2014-07-07
这篇文章主要为大家详细介绍了python绘制横竖条形图的方法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-04-04
这篇文章主要介绍了深度学习入门之Pytorch 数据增强的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-02-02
探索Python Furl高性能URL构建解析和操作功能实例
本文将提供关于Python Furl的全面指南,包括安装和配置、基本概念、URL解析、URL构建、查询参数操作、片段处理、实际应用场景以及丰富的示例代码2024-01-01
这篇文章主要介绍了python numpy中mat和matrix的区别，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
最新评论