Machine_Learning（logistic回归习题：matlab版）

最新推荐文章于 2022-12-16 14:31:47 发布

LiveAndLearn322

最新推荐文章于 2022-12-16 14:31:47 发布

阅读量470

点赞数

分类专栏： Machine Learning 文章标签：逻辑回归 matlab

本文链接：https://blog.csdn.net/LIve1AnD1LeARN/article/details/107965220

版权

这篇博客介绍了如何使用MATLAB进行逻辑回归的实践，包括线性可分和线性不可分两种情况。内容涵盖了ex2.m、plotData.m、sigmoid.m、costFunction.m、plotDecisionBoundary.m等函数的使用，以及线性不可分时的ex2_reg.m、plotData_reg.m、mapFeature.m和costFunctionReg.m等文件的应用。

摘要由CSDN通过智能技术生成

logistic回归习题：matlab版

线性可分
ex2.m

close all;clear all;clc;

data = load('E:\ML_exercise\ex2\ex2data1.txt');
X=data(:,1:2);
y=data(:,3);
%plotData(X,y);
m=length(y);
X=[ones(m,1),X];
theta = zeros(3,1);
init_cost = costFunction(X,y,theta)

options = optimset('GradObj','on','MAxIter',400);%GradObj告诉fminunc损失和梯度
[theta,cost,flag] = fminunc(@(t)(costFunction(X,y,t)),theta,options);

plotDecisionBoundary(X,y,theta);

%预测
pro = sigmoid([1 45 85] * theta)

p = predict(X,theta);
%准确率
accuracy = mean(p == y)

plotData.m

function plotData(X,y)
%display a 2-dimension plot
    figure;hold on;
    
    pos=find(y==1);
    neg=find(y==0);
    plot(X(pos,1),X(pos,2),'k+','LineWidth',