jupyter里查看函数用法:
点到函数,再shift+tab
运行一下函数
shift+enter
逻辑回归的梯度下降的代码
numpy.concatenate()函数
np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接,横着加
np.concatenate((a,b),axis=0) # axis=0为按列拼接,竖着加
不写axis参数的话,默认为按列拼接;
若axis = -1的话,即为按行拼接:
y_data = data[:,-1,np.newaxis]
增加了一个维度,一维变成二维
np.multiply
矩阵的按位子相乘
1,2 |2,3
3,4 |2,4
2,6
6,16
#画图例
plt.legend(handles=[scatter0,scatter1],labels=['label0','label1'],loc='best')
best是自动选择最佳的位置
np.ones((100,1))
np.ones()函数返回给定形状和数据类型的新数组,其中元素的值设置为1。
难点:
因为:
https://github.com/xinxuann/MachineLearningNote/blob/main/逻辑回归/梯度下降法-逻辑回归.ipynb
逻辑回归的sklearn的代码
coef_和intercept_总结
coef_和intercept_都是模型参数,即为w
coef_为w1到w4
intercept_为w0
intercept:截距
classification_report
sklearn中的classification_report函数用于显示主要分类指标的文本报告.在报告中显示每个类的精确度,召回率,F1值等信息。https://github.com/xinxuann/MachineLearningNote/blob/main/逻辑回归/sklearn-逻辑回归.ipynb