机器学习实战---书中谬误讨论

5.2.3节

首先要把5.2.2节内容做了，不然得不到回归系数weights值。

即

dataArr,labelMat=logRegres.loadDataSet()
logRegres.gradAscent(dataArr,labelMat)

</pre><pre name="code" class="python">reload(logRegres)
logRegres.plotBestFit(weights.getA())


此处画图做拟合曲线，出现一个小问题。

<img src="https://img-blog.csdn.net/20161019171601651?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />

后来我发现作者程序清单5-2给出了答案。

<pre name="code" class="python">def plotBestFit(wei):
    import matplotlib.pyplot as plt
    from numpy import array,shape,arange
    weights = wei.getA()
    dataMat,labelMat=loadDataSet()
    dataArr=array(dataMat)
    n=shape(dataArr)[0]
    xcord1=[]
    ycord1=[]
    xcord2=[]
    ycord2=[]
    for i in range(n):
        if int(labelMat[i])==1:
            xcord1.append(dataArr[i,1])
            ycord1.append(dataArr[i,2])
        else:
            xcord2.append(dataArr[i,1])
            ycord2.append(dataArr[i,2])
    fig=plt.figure()
    ax=fig.add_subplot(111)
    ax.scatter(xcord1,ycord1,s=30,c='red',marker='s')
    ax.scatter(xcord2,ycord2,s=30,c='green')
    x=arange(-3.0,3.0,0.1)
    y=(-weights[0]-weights[1]*x)/weights[2]
    ax.plot(x,y)
    plt.xlabel('X1')
    plt.ylabel('X2')
    plt.show()

我怀疑line 4:weights=wei.getA()做的即是logRegres.plotBestFit(weights.getA())中weight.getA()的功能。

果然删掉‘.getA()’后，成功获得曲线图。

<img src="https://img-blog.csdn.net/20161019172313178?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />

</pre><pre name="code" class="python">后来发现.getA()是array的子功能，将matrix转化为array。

此处估计是作者校对时忽视掉了。

5.2.4节

>>> dataArr,labelMat=logRegres.loadDataSet()
>>> weights=logRegres.stocGradAscent0(array(dataArr),labelMat)
>>> logRegres.plotBestFit(weights)

对于此处的weights是由numpy.ones生成的array数组。

并不是matrix矩阵，不需要weights = wei.getA()转化。