机器学习实战之逻辑斯蒂回归Logistic_nameerror: name 'logisticregression' is not define-CSDN博客

本文链接：https://blog.csdn.net/sophiezjz/article/details/82348195

本文汇总了在实现逻辑斯蒂回归过程中遇到的五个问题及其解决方案，包括梯度上升法的报错、决策边界绘制错误、随机梯度上升中的类型问题以及在测试算法时出现的类型不匹配错误。

摘要由CSDN通过智能技术生成

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