logistics回归分类图片

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：