Python利用邏輯回歸分類實現(xiàn)模板
更新時間:2020年02月15日 16:14:37 作者:米米奇
這篇文章主要介紹了Python利用邏輯回歸分類實現(xiàn)模板的思路,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下
Logistic Regression Classifier邏輯回歸主要思想就是用最大似然概率方法構(gòu)建出方程,為最大化方程,利用牛頓梯度上升求解方程參數(shù)。
- 優(yōu)點:計算代價不高,易于理解和實現(xiàn)。
- 缺點:容易欠擬合,分類精度可能不高。
- 使用數(shù)據(jù)類型:數(shù)值型和標稱型數(shù)據(jù)。
好了,下面開始正文。
算法的思路我就不說了,我就提供一個萬能模板,適用于任何緯度數(shù)據(jù)集。
雖然代碼類似于梯度下降,但他是個分類算法
定義sigmoid函數(shù)
def sigmoid(x): return 1/(1+np.exp(-x))
進行邏輯回歸的參數(shù)設置以及迭代
def weights(x,y,alpha,thershold): #初始化參數(shù) m,n = x_train.shape theta = np.random.rand(n) #參數(shù) cnt = 0 # 迭代次數(shù) max_iter = 50000 #開始迭代 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
預測函數(shù)
def predict(x_test,theta): if sigmoid(theta.T @ x_test)>0.5: return 1 else:return 0
調(diào)用函數(shù)
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 # 學習率 thershold = 0.01 # 指定一個閾值,用于檢查兩次誤差 print(weights(x_train,y_train,alpha,thershold))
總結(jié)
以上所述是小編給大家介紹的Python利用邏輯回歸分類實現(xiàn)模板,希望對大家有所幫助!
您可能感興趣的文章:
- 基于Pytorch實現(xiàn)邏輯回歸
- PyTorch實現(xiàn)多維度特征輸入邏輯回歸
- pytorch實現(xiàn)邏輯回歸
- PyTorch線性回歸和邏輯回歸實戰(zhàn)示例
- python sklearn庫實現(xiàn)簡單邏輯回歸的實例代碼
- python實現(xiàn)邏輯回歸的方法示例
- python編寫Logistic邏輯回歸
- python代碼實現(xiàn)邏輯回歸logistic原理
- Python利用邏輯回歸模型解決MNIST手寫數(shù)字識別問題詳解
- Python實現(xiàn)的邏輯回歸算法示例【附測試csv文件下載】
- python 牛頓法實現(xiàn)邏輯回歸(Logistic Regression)
- python機器學習理論與實戰(zhàn)(四)邏輯回歸
- pytorch使用nn.Moudle實現(xiàn)邏輯回歸
相關文章
Python?pandas處理缺失值方法詳解(dropna、drop、fillna)
缺失數(shù)據(jù)會在很多數(shù)據(jù)分析應用中出現(xiàn),pandas的目標之一就是盡可能無痛地處理缺失值,下面這篇文章主要給大家介紹了關于Python?pandas處理缺失值方法的相關資料,處理方法分別是dropna、drop、fillna,需要的朋友可以參考下2022-08-08PyCharm設置Ipython交互環(huán)境和宏快捷鍵進行數(shù)據(jù)分析圖文詳解
這篇文章主要介紹了PyCharm設置Ipython交互環(huán)境和宏快捷鍵進行數(shù)據(jù)分析圖文詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-04-04