逻辑回归——练习题

最新推荐文章于 2024-06-24 13:40:12 发布

疏雨过风林破

最新推荐文章于 2024-06-24 13:40:12 发布

阅读量4.1k

点赞数 2

分类专栏：机器学习数据挖掘文章标签：机器学习

本文链接：https://blog.csdn.net/ningchunmei1/article/details/79622349

版权

这篇博客探讨了逻辑回归的应用，通过实例展示了如何处理数据并绘制散点图。内容包括实现Sigmoid函数、定义代价函数和梯度下降法，以及如何初始化X和Y。文章还解释了如何利用这些方法确定决策边界。

摘要由CSDN通过智能技术生成

数据的前两列为成绩，第三列为是否录取的决定。

首先加载数据，将数据打在散点图上

data = np.loadtxt('ex2data1.txt', delimiter=',')
neg = data[data[:, 2] == 0]
pos = data[data[:, 2] == 1]
fig, ax = plt.subplots()
ax.scatter(pos[:, 0], pos[:, 1], c='r', marker='+', label='Admitted')
ax.scatter(neg[:, 0], neg[:, 1], c='g', marker='o', label='Not admitted')
ax.set_xlabel('Exame 1 score')
ax.set_ylabel('Exame 2 score')
plt.show()