logistic回归求分界线方程

最新推荐文章于 2024-03-24 15:30:41 发布

雨1945

最新推荐文章于 2024-03-24 15:30:41 发布

阅读量1.5k

点赞数 2

分类专栏：机器学习经典算法文章标签：机器学习 logistic回归算法学习梯度上升梯度下降

本文链接：https://blog.csdn.net/lidef/article/details/72472401

版权

本文介绍了作者在学习机器学习过程中，使用Logistic回归算法进行实践的经历。提供了简易的代码示例，适用于初学者理解和测试算法。文中提到，虽然未包含绘制分界线的代码，但可以通过外部网站生成分界线图像，并给出了测试数据：6个点分为两类，用1和0标记。

摘要由CSDN通过智能技术生成

刚接触机器学习，读书之余编小程序测试效果。贴上供学习用的简易代码，仅供刚开始学习的新手做测试及理解算法用。菜鸟也要飞

没有写画分界线的代码，求得分界线方程后可用这个网站画出分界线图像： http://zh.numberempire.com/graphingcalculator.php

测试数据：坐标系中随便6个点的坐标。分成两类。标签分别设置成1，0。

#include <iostream>
#include <cmath>


using namespace std;

int main(){

	double d1[3] = { 1, 1, 3 };//点一（1，3）
	double d2[3] = { 1, 3, 1 };//点二（3，1）
	double d3[3] = { 1, 4, 8 };//点三（4，8）
	double d4[3] = { 1, 3, 5};//点四（3，5）
	double d5[3] = { 1, 7, 7 };//点五（7，7）
	double d6[3] = { 1, 5, 4 };//点六（5，4）
	double w[3] = { 1, 1, 1 };//回归系数
	double dclass[6] = { 0,0, 0, 1, 1, 1 };//指定的初始分类 点一、二、三类别为0，四、五、六类别为1
	double h[6];//当前分类
	double derror[6];//每步当前分类与指定分类的误差
	double a = 0.01;//步长
	double b0, b1, b2;//三个buffer，用来存储样本数据乘以该样本当