收集整理了一份《2024年最新Python全套学习资料》免费送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Python知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来
如果你需要这些资料,可以添加V无偿获取:hxbc188 (备注666)
正文
对于线性边界的情况,边界形式如下:
最佳参数:
构造预测函数为:
sigmoid的函数输出是介于(0,1)之间的,中间值是0.5,公式hθ(x)的含义就很好理解了,因为hθ(x)输出是介于(0,1)之间,也就表明了数据属于某一类别的概率。例如,hθ(x)<0.5则说明当前数据属于A类;hθ(x)>0.5则说明当前数据属于B类。所以可以将sigmoid函数看成样本数据的概率密度函数。函数h(x)的值有特殊的含义,它表示结果取1的概率,因此对于输入x分类结果为类别1和类别0的概率分别为:
使用概率论中极大似然估计的方法去求解损失函数:
首先得到概率函数为:
因为样本数据(m个)独立,所以它们的联合分布可以表示为各边际分布的乘积,取似然函数为:
取对数似然函数:
最大似然估计就是要求得使l(θ)取最大值时的θ,这里可以使用梯度上升法求解,求得的θ就是要求的最佳参数:
基于最大似然估计推导得到Cost函数和J函数如下:
θ更新过程可以写成:
正则化后的梯度下降算法θ的更新变为:
代码部分:
使用如下所示数据100条
数据加载
class Logistic_regression():
#初始化
def __init__(self):
self.xmat = list();
self.ymat = list();
#数据加载处理
def loadData(self,filename):
file = open(filename);
lines = file.readlines();
#print(lineArry);
for line in lines:
lineArry = line.strip().split();# split 用于移除字符串头尾指定的字符(默认为空格或换行符)或字符序列
dataline = [1.0];
for i in range(len(lineArry)):
dataline.append(float(lineArry[i]));
#print("dataline",dataline);
label = dataline.pop();
self.ymat.append(int(label));#删除最后一个 并返回
self.xmat.append(dataline);
self.xmat = np.mat(self.xmat); # mat()函数 转换为矩阵
self.ymat = np.mat(self.ymat).transpose();
#print("len",len(self.xmat));
#print(self.xmat);
sigmoid函数
定义sigmoid函数
def sigmod(self,X):
return 1/(1-np.exp(-X));
梯度下降
# 梯度下降计算权重0
def stocGradAscent0(self,maxCycles=1000,alpha=0.001):
m,n = np.shape(self.xmat);
weights = np.ones((n,1));
for i in range(maxCycles):
h = self.sigmod(self.xmat*weights);
error = self.ymat-h;
#print("error",np.shape(error))
#print("xmat",np.shape(self.xmat.transpose()))
weights+=alpha*self.xmat.transpose()*error; #ranspose()转置
return weights;
画图
#画出最终分类图
def plotBestfit(self,weights):
xcord1 = [];
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
![](https://img-blog.csdnimg.cn/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**如果你需要这些资料,可以添加V无偿获取:hxbc188 (备注666)**
![img](https://img-blog.csdnimg.cn/img_convert/fea0bf8229706c55b02d82e4f099b917.png)
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
再深入研究,那么很难做到真正的技术提升。**
**如果你需要这些资料,可以添加V无偿获取:hxbc188 (备注666)**
[外链图片转存中...(img-TPSuom32-1713819673805)]
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**