【吴恩达机器学习】【实验二：Logistic Regression】

最新推荐文章于 2022-03-06 17:21:06 发布

爱学习的大白菜

最新推荐文章于 2022-03-06 17:21:06 发布

阅读量1k

点赞数 1

分类专栏：机器学习文章标签：机器学习吴恩达

本文链接：https://blog.csdn.net/csdnliwenqi/article/details/102768060

版权

本文详细介绍了吴恩达机器学习课程中的Logistic Regression实验，包括数据可视化、Sigmoid函数实现、代价函数与梯度下降、参数学习及模型评估。通过ex2data1.txt数据集进行实验，最终模型预测准确率为89%。

摘要由CSDN通过智能技术生成

1.visuallizing the data.可视化数据。（在plotData.m中填写）

其中有一个文件叫ex2data1.txt存放了100行3列，每一行的三个数据分别是，第一门成绩，第二门成绩，是否录取（录取设为1，未录取设为0）。

于是我们输入代码来对这些数据可视化以便有个大致的认识，

% Find Indices of Positive and Negative Examples
% 返现正类和负类的编号。正类存到pos，负类存到neg
pos = find(y==1); neg = find(y == 0);

% Plot Examples 正类用”+”号表示，负类用”o”表示。
plot(X(pos,1), X(pos, 2),'k+','LineWidth',2, 'MarkerSize', 7);
plot(X(neg,1),X(neg,2),'ko','MarkerFaceColor', 'y','MarkerSize', 7);

于是得到下面的图片：