2020-08-20

记录机器学习 Task01

任务名称

基于逻辑回归的分类预测

过程中遇到的问题及解决方法:

错误1

用逻辑回归模型拟合构造的数据集
lr_clf = lr_clf.fit(x_fearures, y_label) #其拟合方程为y = w0+w1x1+w2x2
执行时出现错误：Found input variables with inconsistent numbers of samples: [6, 5]

解决1

经过查询为x与y形状不一致导致的问题，返回去看x和y的形状发现y少输入了一个值。更改后问题消除。

收获

获取系数的方法：lr_clf.coef_

疑问

疑问1

x_fearures = np.array([[-1, -2], [-2, -1], [-3, -2], [1, 3], [2, 1], [3, 2]])
y_label = np.array([0, 0, 0, 1, 1, 1])

lr_clf = LogisticRegression()lr_clf = lr_clf.fit(x_fearures, y_label)

为什么其拟合方程为y = w0+w1x1+w2x2？而不是y = w0x + w1x1

解答：因为x中有两个特征值，通过给两特征值赋予不同的权重来预测目标值。

疑问2

x_fearures中fearures是什么意思？并没有查到这个英文单词的意义?

收获

逻辑回归目标：实现二分类
方程式：y=w0+w(i）(T转置)*x(i)
假设函数：sigmoid
决策边界：sigmoid自变量≥0时，即sigmoid函数值≥0.5时，取值1
sigmoid自变量＜0时，即sigmoid函数值＜0.5时，取值0
损失函数：