【Machine Learning实验2】 Logistic Regression求解classification问题

        classification问题和regression问题类似，区别在于y值是一个离散值，例如binary classification，y值只取0或1。

        方法来自Andrew Ng的Machine Learning课件的note1的PartII，Classification and logsitic regression.

        实验表明，通过多次迭代，能够最大化Likehood，使得分类有效，实验数据为人工构建，没有实际物理意义，matrix的第一列为x0，取常数1，第二列为区分列，第三列，第四列为非区分列，最后对预测起到主导地位的参数是theta[0]和theta[1]。

 

#include "stdio.h"
#include "math.h"

double matrix[6][4]={
  {1,47,76,24}, //include x0=1
              {1,46,77,23},
              {1,48,74,22},
              {1,34,76,21},
              {1,35,75,24},
              {1,34,77,25},
                };

double result[]={1,1,1,0,0,0};
double theta[]={1,1,1,1}; // include theta0

double function_g(double x)
{
        double ex = pow(2.718281828,x);
        return ex/(1+ex);
}
int main(void)
{
        double like