之前实现手写数字识别都是用的框架,就很快写好了,这次ML作业要求用原理来写,在网上看了看资料,感觉比较少。
1. 逻辑回归的简单介绍
logistic一般用于二分类,就利用sigmoid函数进行激励即可。若要想利用实现多分类,则需要多次使用逻辑回归。就好比手写数字识别,一共有十个类别,对于数字0来说,需要判断是0还是非0这个二分类,对于1也是如此,所以需要使用十次逻辑回归。
逻辑回归总的来说就是需要求得参数w
2. 逻辑回归的Python实现
import torch # import some related modules
import torchvision
import scipy.optimize as op
import matplotlib.pyplot as plt
import numpy as np
def sigmoid(x): #motivation function
return 1 / (1 + np.exp(-x))
def loss(theta, x_data, y_data, lr): # computing loss function
m, n = x_data.shape
theta = theta.reshape((-1, 1))
y_data = y_data.reshape((-1, 1))
hx = sigmoid(np.dot(x_data, theta))
ln_h = np.log(hx)
part1 = -np.dot(ln_h.T, y_data) / m
ln_1h = np.log(1 - hx)
part2 = -np.dot(ln_1h.T, 1 - y_data) / m
# don't do that : theta[0, 0] = 0 # don't penalize theta0
reg