十年网站开发经验 + 多家企业客户 + 靠谱的建站团队
量身定制 + 运营维护+专业推广+无忧售后,网站问题一站解决
这篇文章主要讲解了“怎么理解并掌握Python逻辑回归”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“怎么理解并掌握Python逻辑回归”吧!
创新互联公司专业为企业提供竹溪网站建设、竹溪做网站、竹溪网站设计、竹溪网站制作等企业网站建设、网页设计与制作、竹溪企业网站模板建站服务,十载竹溪做网站经验,不只是建网站,更提供有价值的思路和整体网络服务。def sigmoid(x):定义sigmoid函数
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)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))感谢各位的阅读,以上就是“怎么理解并掌握Python逻辑回归”的内容了,经过本文的学习后,相信大家对怎么理解并掌握Python逻辑回归这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!
分享标题:怎么理解并掌握Python逻辑回归-创新互联
网站路径:http://6mz.cn/article/dshphj.html