【MachineLearning】之 逻辑回归（Python 实现）

使用逻辑回归完成分类任务。

一、 步骤

---

（1）加载数据集

# !wget http://labfile.oss.aliyuncs.com/courses/1081/course-8-data.csv

import pandas as pd

df = pd.read_csv("course-8-data.csv", header=0) # 加载数据集
df.head() # 预览前 5 行数据

（2）绘制图像

from matplotlib import pyplot as plt
plt.figure(figsize=(10, 6))
plt.scatter(df['X0'],df['X1'], c=df['Y'])

（3）逻辑回归函数定义

1. Sigmoid 函数
2. 损失函数
3. 梯度计算

"""逻辑回归完整实现
"""


# Sigmoid 分布函数
def sigmoid(z):
    sigmoid = 1 / (1 + np.exp(-z))
    return sigmoid


# 损失函数
def loss(h, y):
    loss = (-y * np.log(h) - (1 - y) * np.log(1 - h)).mean()
    return loss


# 梯度计算
def gradient(X, h, y):
    gradient = np.dot(X.T, (h - y)) / y.shape[0]
    return gradient


# 逻辑回归过程
def Logistic_Regression(x, y, lr, num_iter):
    intercept = np.ones((x.shape[0],