机器学习实战第五张

from numpy import *
def loadDataSet():
	dataMat = []; labelMat = []      #创建数组
	fr = open('testSet.txt')      #打开文件
	for line in fr.readlines():      #按行读取文件
		lineArr = line.strip().split()      #srip()去除第一个和最后一个特殊字符 split()切割，有str参数和num参数
		dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])      #设置默认的X0为1.0。X1和X2分别为lineArr中的第一个和第二个值
		labelMat.append(int(lineArr[2]))      #存储lineArr中的第三个值，也就是标签。
	return dataMat,labelMat      #返回分开后的值和标签
	#这个函数主要的目的就是对文件中的数据进行分类。把前两个数据做数据，把第三个数据标签。

def sigmoid(inX):
	return 1.0/(1+exp(-inX))
#这个函数的作用是计算sigmoid的值。

def gradAscent(dataMatIn, classLabels):
	dataMatrix = mat(dataMatIn)      #将数组转换为矩阵
	labelMat = mat(classLabels).transpose()      #数组转换为矩阵，并将行转换为列。
	m,n = shape(dataMatrix)      #返回dataMatrix的行和列
	alpha = 0.001      #向目标移动的步长
	maxCycles = 500      #为了后续遍历次数
	weights = ones((n,1))      #创建n行1列的数组
	for k in range(maxCycles):      #循环
		h = sigmoid