logistics回归分类图片
之前学习了KNN分类图片的方法,哈哈,还挺好理解的,就是代码不好敲-懒癌患者,快写 快写
- 原理
- 自己的理解
- 图片链接和图片上传
- LaTex数学公式
- UML序列图和流程图
- 离线写博客
- 导入导出Markdown文件
- 丰富的快捷键
原理
https://chenrudan.github.io/blog/2016/01/09/logisticregression.html
http://blog.csdn.net/u012162613/article/details/41844495
代码理解
自己的理解
训练出在n维空间中(如一副图像拉伸成一个n*1 的特征向量),训练出能划分该空间类别的(超平面)函数的权重
代码块
def gradAscent(dataArray,labelArray,alpha,maxCycles):
dataMat=mat(dataArray) #size:m*n
labelMat=mat(labelArray) #size:m*1
m,n=shape(dataMat)
weigh=ones((n,1))
for i in range(maxCycles):
h=sigmoid(dataMat*weigh) #一张图片一个n维权重向量
error=labelMat-h #size:m*1 即y-h
weigh=weigh+alpha*dataMat.transpose()*error
return weigh
目录
用 [TOC]
来生成目录: