python numpy实现简单logistic回归

# -*- coding: utf-8 -*-"""Created on Fri Mar 2 22:45:41 2018@author: Administrator"""import numpy as npimport matplotlib.pyplot as pltdef generateData(opt='linear'): # 正负样本个数 m_pos ...
摘要由CSDN通过智能技术生成
# -*- coding: utf-8 -*-
"""
Created on Fri Mar  2 22:45:41 2018

@author: Administrator
"""

import numpy as np
import matplotlib.pyplot as plt

def generateData(opt='linear'):
    # 正负样本个数
    m_pos = 100;
    m_neg = 100;
    X = np.zeros((2,m_pos+m_neg))
    Y = np.zeros((1,m_pos+m_neg))

    # 分布类型:环形、线性函数、三次函数
    if opt=='circle':  
        R1_range = 10
        R2_range = 5
        R_pos = R1_range*np.random.rand(1,m_pos)
        R_neg = R2_range*np.random.rand(1,m_neg)+0.9*R1_range
        Theta_pos = np.pi*np.random.randn(1,m_pos)
        Theta_neg = np.pi*np.random.randn(1,m_neg)

    # !不能用 X[0,0:m_pos] = R_pos*np.cos(Theta_pos);
    # 左边是 "rank-1 array" 

        X[0:1,0:m_pos]=R_pos*np.cos(Theta_pos);
        X[1:2,0:m_pos]=R_pos*np.sin(Theta_pos);
        Y[0,0:m_pos]=1;

        X[0:1,-m_neg:]=R_neg*np.cos(Theta_neg);
        X[1:2,-m_neg:]=R_neg*np.sin(Theta_neg);
        Y[0,-m_neg:]=0;

    if opt=='linear':        
        x1 = np.random.normal(loc=-1,scale=3,size=(1,m_pos))
        X[0:1,0:m_pos] = x1;
    # 整体线性分布
        X[1:2,0:m_pos] = 2*x1+10+
  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值