机器学习--sigmoid 函数

sigmoid 函数

• 注意：需要导入文件ex2data1.txt,

print("===============sigmoid函数=============")

#g代表一个常用的逻辑函数（logistic function）为S形函数。

def sigmoid(z):
    return 1/(1+np.exp(-z))#np.exp表示e的多少次方



nums=np.arange(-10,10,step=1)
print(nums)
fig,ax=plt.subplots(figsize=(12,8))
ax.plot(nums,sigmoid(nums),'r')
plt.show()




def cost(theta,X,y):
    theta=np.matrix(theta)
    X=np.matrix(X)
    y=np.matrix(y)
    first=np.multiply(-y,np.log(sigmoid(X*theta.T)))
    second=np.multiply((1-y),np.log(1-sigmoid(X*theta.T)))
    return np.sum(first-second)/len(X)



#add a ones column - this makes the matrix multiplication work out easier
data.insert(0,'One',1)
#set X(training data) and (target variable)
cols=data.shape[1]
X=data.iloc[:,0:cols-1]
y=data.iloc[:,cols-1:cols]

#convert to numpy arrays and initalize the parameter array theta
X=np.array(X.values)#转换成矩阵或者向量

y=np.array(y.values)

theta =np.zeros(3)

print(X.shape,y.shape,theta.shape)

print(cost(theta, X, y))

•  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