机器学习之logistic分类线性与非线性实验（续）

本节续上节

机器学习之logistic回归与分类

对logistic分类的线性与非线性进行实验。上节中的“种子”分类实例中，样本虽然有7维，但是很大很大程度上符合线性可分的，为了在说明上节中的那种logistic对于非线性不可分，进行如下的两组样本进行实验，一组线性，一组非线性，样本如下：
线性样本：

非线性样本：

为了防止完全可分，在1,2类样本的分界面上重叠一部分样本，也就是说这部分样本很难分出来，图中的样本也可以看出来。
线性与非线性样本都包含两类，每类100个样本点。

先对线性样本实验，代码同上节的大致相同：

%%  
% * Logistic方法用于回归分析与分类设计
% * 简单0-1两类分类--非线性分类与线性分类
% 
%% 
clc
clear
close all
%% Load data
% * 数据预处理--分两类情况
% 并将标签重新设置为0与1，方便sigmod函数应用 
data = load('data_test.mat');
data = data.data';
data(:,3) = data(:,3) - 1;
%选择训练样本个数
num_train =