超级会员免费看
这篇实验报告详细介绍了《模式识别》课程的上机实验，包括线性回归、逻辑回归、支持向量机(SVM)和朴素贝叶斯分类器的原理与实现。实验中遇到并解决了如sklearn线性回归的增广矩阵问题、逻辑回归梯度下降的错误以及数据预处理的重要性等问题。通过实验，验证了模型在不同任务上的效果，如逻辑回归用于癌细胞识别，SVM进行线性分类，朴素贝叶斯计算概率进行分类等。
《模式识别》教学上机实验报告
实验题目：
线性回归与逻辑回归
实验目的和要求：
1、掌握线性回归的基本流程以及正规方程解；
2、编写线性回归算法，并利用波斯顿房价数据对模型进行训练，然后对未知的房价数据进行预测；
3、掌握逻辑回归的基本思想以及梯度下降算法；
4、编写逻辑回归算法，得到一个能够准确对癌细胞进行识别的模型。
实验过程：
一、线性回归
对线性回归模型，假设训练集中m个训练样本，每个训练样本中有n个特征，可以使用矩阵的表示方法，预测函数可以写为：Y=hetaX
其损失函数可以表示为(Y−hetaX)T(Y−hetaX)
其中，标签Y为mx1的矩阵，训练特征X为mx(n+1)的矩阵，回归系数heta为(n+1)x1的矩阵，对heta求导，并令其导数等于0，可以得到XT(Y−hetaX)=0。所以，最优解为：heta=(XTX)−1XTY。
关键代码：
#********* Begin **#
m
订阅专栏 解锁全文
扫一扫
5097
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
