机器学习实战Py3.x填坑记5—Logistic回归

此博客为博主原创文章，转载请注明出处。谢谢

本章内容：
1、Sigmoid函数和Losgistic回归分类器
2、最优化理论初步
3、梯度下降最优化算法
4、数据中的缺失项处理

在运行<程序清单5-4 改进的随机梯度上升算法>出现出现错误：

In [38]:reload(logRegres)
Out[38]: <module 'logRegres' from 'D:\\py\\meachinelearning\\ch05\\logRegres.py'>
In [39]:dataArr, labelMat = logRegres.loadDataSet()
In [40]:weights = logRegres.stocGradAscent1(array(dataArr), labelMat)
Traceback (most recent call last):
……
del (dataIndex[randIndex])
TypeError: 'range' object doesn't support item deletion

#经过看出错信息发现是del (dataIndex[randIndex])出现错误。
将dataIndex = range(m)更改为dataIndex = list(range(m))，解决问题。

关于处理数据中的缺失值可以看《利用Python进行数据分析》这本书。

出现问题，搜索出现比较好的参考：
预测数值型数据——回归
《机器学习实战》笔记之八——预测数值型数据：回归
机器学习-Logistic回归python实现
机器学习4logistic回归