机器学习实战——Logistic 回归（代码实现及错误总结）

机器学习实战——Logistic 回归

先写写学习过程中遇到的问题：
首先在随机梯度上升算法运行过程中代码：
weights = weights + alpha * error * dataMatrix[i]出现问题
**TypeError: can’t multiply sequence by non-int of type ‘numpy.float64’**无法将序列乘以’numpy.float64’类型的非整数
主要原因：dataMatrix是list列表型，不能和float相乘，
解决办法：在函数开头将dataMatrix转化成数组类型即可dataMatrix=array(dataMatrix)

plotBestFit(weights.getA()) 其中getA()方法的作用是将矩阵型对象返回成array的数组对象，便于绘图时提取其中的数值。

最佳直线拟合公式： y = (-weights[0] - weights[1]x)/weights[2]
这里解释一下 起始拟合直线方程设为 0 = w1x1 + w2x2 + w0x0 其中x0=1，
故原方程可以变为 x2=(-w0-w1*x1)/w2
在这里解释一下为什么方程要等于0呢？
在sigmold函数中，x=0，y=0.5是临界值

代码如下：

from numpy import *
def loadDataSet():
    """解析文本"""
    dataMat = []
    labelMat = []
    fr = open(r'E:\machine learning\machinelearninginaction\Ch05\testSet.txt')
    for line in fr.readlines(): # 逐行读取
        lineArr = line.strip().split()
        dataMat.append([1.0,float(lineArr[0]),float(lineArr[1])])
        labelMat.append(int(lineArr[2]))
    return dataMat,labelMat

def sigmold(inX):
    ""