吴恩达机器学习课程 coursera 第二次编程作业（Logistic Regression） python实现

最新推荐文章于 2020-08-11 18:54:32 发布

-TOXNO-

最新推荐文章于 2020-08-11 18:54:32 发布

阅读量681

点赞数

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/qq_36911138/article/details/104132884

版权

本文详细介绍了吴恩达在Coursera上的机器学习课程中，关于Logistic Regression的第二次编程作业。作业使用Python完成，包括5个文件：ex2.py、costFunction.py、gradientDescent.py、predict.py以及数据文件ex2data1.txt。这些文件分别实现了程序入口、代价函数计算、梯度下降算法和预测功能。

摘要由CSDN通过智能技术生成

本文是吴恩达机器学习课程的第二次编程作业：Logistic Regression 的基础作业，用python实现。

本作业包含5个文件，分别是：

ex2.py ：程序的主入口

costFunction.py ：计算代价函数

gradientDescent.py ：梯度向下算法

predict.py ：预测算法

ex2data1.txt ：训练集

作业文件和训练集数据下载地址：https://github.com/toanoyx/MachineLearning-AndrewNg-coursera-python/tree/master/ex2%20Logistic%20Regression

下文是文件的源代码：

ex2.py ：程序的主入口

"""第1部分 可视化训练集"""
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy.optimize as opt
import seaborn as sns
from sklearn.metrics import classification_report
from scipy import optimize

from costFunction import *
from gradientDescent import *
from pr