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