网络编程
位置：首页>> 网络编程>> Python编程>> 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

作者：米米奇　　发布时间：2023-11-14 07:02:05　

标签：python,逻辑回归,模板

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！

来源：https://blog.csdn.net/weixin_43981664/article/details/104307624

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com