周末,学习了2天机器学习的课程,整片的公式推导让我有些发蒙,今天就请假一天来整理下逻辑回归中的一些知识点。以备以后复习使用。
话不多说直接上手写的源代码,以便理解其中逻辑回归中“真正的逻辑”,而非调包。
#使用一个分类的数据-------------------
1.数据的预处理
![](https://img.haomeiwen.com/i11533877/3b7afecb064ea1ae.png)
该代码中的Categorical就是对‘class’中的类重新进行编码,这里把其中的字符串类型转换为0
、1、2等 打印的信息如下
![](https://img.haomeiwen.com/i11533877/7ec522958968062c.png)
2.备用函数a
![](https://img.haomeiwen.com/i11533877/8fc6d9c219954d88.png)
其中y_prob 表示概率值,该函数就是根据概率值来做2分类问题。
![](https://img.haomeiwen.com/i11533877/340468cd183dec60.png)
备用函数b
![](https://img.haomeiwen.com/i11533877/76f5112fe9afa526.png)
参数theta,x就是对应下图的θ和x
![](https://img.haomeiwen.com/i11533877/0f08a7cd592ed682.png)
备用函数c
![](https://img.haomeiwen.com/i11533877/15d25bd843c205fc.png)
y_true:是对应样本中真实的分类情况0,1,2(也就是数据中的class索引)
prob:是对应样本中概率值0--1
![](https://img.haomeiwen.com/i11533877/4d7679ed33aab67f.png)
备用函数已经准备完毕,下面就要使用梯度下降法开始迭代
![](https://img.haomeiwen.com/i11533877/b708dad0f60d9711.png)
使用sklearn库做模型就相当easy了
![](https://img.haomeiwen.com/i11533877/77cd91ba96e14094.png)
网友评论