好资源导航 » 文章资讯 » Python利用逻辑回归分类实现模板

Python利用逻辑回归分类实现模板

2023-08-01 12:12:04 66

LogisticRegressionClassifier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

defsigmoid(x):
return1/(1+np.exp(-x))

进行逻辑回归的参数设置以及迭代

defweights(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
whilecnt
预测函数
defpredict(x_test,theta):
ifsigmoid(theta.T@x_test)>0.5:
return1
else:return0
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！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

返回顶部
514930285
czq8825@qq.com

Python利用逻辑回归分类实现模板

热门推荐

随机推荐