机器学习之逻辑回归（三）周考实战解析

题目

1.按要求完成下面的各项需求。
一个蘑菇培育的逻辑回归样本训练集（mushroomTrain.txt文件）和测试集（mushroomTest.txt文件），数据集格式如下：
X1 X2 X3 Y
0.272158 0.107327 0.122255 0
0.286007 0.104314 0.124557 0
0.299921 0.098497 0.126343 0
请通过Python用逻辑回归模型进行建模和预测，要求如下(详见评分标准)：
对提供的数据集进行数据集的提取和标准化
实现激活函数,并画出激活函数曲线图（选用sigmoid函数）
写出逻辑回归的代价函数，实现L2正则化逻辑回归
实现梯度下降函数通过梯度下降计算逻辑回归模型，对训练集和测试集的数据进行预测，输出预测结果和准确率
简述激活函数作用，并列举两个常用激活函数并与sigmoid比较

题目分析

本次考试直接给予的是分开的两个样本集，一个作为训练集，用来训练模型，另一个作为测试集，用来测试训练好的模型的准确率，这样一来就为我们省去了切割数据这一个环节。在数据处理中我们只需要对数据的特征进行缩放，然后对数据进行初始化就可以了。
整体题目可以分为三个部分
第一部分：是数据处理
第二部分：是模型训练
第三部分：是可视化处理，就是画图
最后题目额外要求一个简单题目，简答激活函数的作用，要引起注意，由于没有和原题目分开，很容易在读题的时候忽略了这一个问题。

代码实