问题1
来源:逻辑斯蒂回归——使用梯度上升找到最佳参数
描述:gradAscent()编译通不过
报错:NameError: name 'mat' is not defined
解决办法:在所有代码前引入numpy包,即插入代码:from numpy import *
原因:未引入numpy包,但使用了numpy包中的mat、shape、ones函数,导致出错
问题2
来源:逻辑斯蒂回归——画出决策边界
描述:plotBestFit()函数画出数据集和Logistic回归最佳拟合直线时编译通不过
报错:AttributeError: 'numpy.ndarray' object has no attribute 'getA'
解决办法:将plotBestFit(weights.getA)改成plotBestFit(weights)
原因:plotBestFit()函数中已经有weights = wei.getA()这一句,不需要再传入weights.getA,只需要传入weights即可
问题3
来源:逻辑斯蒂回归——随机梯度上升
描述:调用plotBestFit()函数时编译通不过
报错:AttributeError: 'numpy.ndarray' object has no attribute 'getA'
解决办法:将plotBestFit()函数中weights = wei.getA()改成weights = wei
原因:weights = stocGradAscent0(array(dataArr), labelMat)得到的weights