机器学习--逻辑回归

逻辑回归

• 注意：需要导入文件ex2data1.txt,

• import numpy as np
  import pandas as pd
  import matplotlib.pyplot as plt
  
  
  print("===========逻辑回归===========")
  
  path='ex2data1.txt'
  data=pd.read_csv(path,header=None,names=['Exam 1','Exam 2','Admitted'])
  print(data.head())
  
  
  #创建两个分数的散点图，并使用颜色编码来可视化，如果样本是正的（被接纳）或负的（未被接纳）
  
  
  #pandas中的isin()方法可以同时判断数据是否与多个值相等，若于其中的某个值相等则返回True
  #否则则为False。具体使用方法如下：
  positive=data[data['Admitted'].isin([1])]
  negative=data[data['Admitted'].isin([0])]
  print("-----------------------------------")
  print(positive.head())
  
  print("-----------------------------------")
  print(negative.head())
  
  
  
  
  fig,ax=plt.subplots(figsize=(12,8))
  ax.scatter(positive['Exam 1'],positive['Exam 2'],s=50,c='b',marker='o',label='Admitted')
  ax.scatter(negative['Exam 1'],negative['Exam 2'],s=50,c='r',marker='x',label='Not Admitted')
  
  ax.legend()
  
  ax.set_xlabel('Exam 1 Score')
  ax.set_ylabel('Exam 2 Score')
  plt.show()
  
  

  代码截图：

• 

  

•  总结：如果喜欢人工智能的小伙伴，推荐去看吴恩达教授的机器学习，我目前也在学习，老师讲的课通俗易懂。最后本次内容仅作为学习使用。如有侵权，联系删除
• 点赞666和收藏，私信分享源码和数据训练集