![fa234ead37a6de9c7c402048b1774cba.png](https://img-blog.csdnimg.cn/img_convert/fa234ead37a6de9c7c402048b1774cba.png)
一起探索机器学习
Machine learning
Logistic
CSDN:
https://blog.csdn.net/weixin_45814668知乎:
https://www.zhihu.com/people/qiongjian0427Git:
https://github.com/qiongjian/Machine-learning/
运行环境:anaconda—jupyter notebook
Python版本:Python3
![df22ad636f21933252b7e70783344590.png](https://img-blog.csdnimg.cn/img_convert/df22ad636f21933252b7e70783344590.png)
数据集
下图所示为数据集。
公众号回复本文题目下载
![6f19ab8e697be646adc195d7eee7c750.png](https://img-blog.csdnimg.cn/img_convert/6f19ab8e697be646adc195d7eee7c750.png)
训练算法:找到最佳参数
数据集有100个样本点,每个点包含两个数值型特征:X1和X2。
在此数据集上,我们将通过使用梯度上升法找到最佳回归系数,也就是拟合出Logistic回归模型的最佳参数。
梯度上升法的伪代码如下:
每个回归系数初始化为1