python函数操作逻辑_Python——逻辑回归原理的实践,python,实操

以下内容笔记出自‘跟着迪哥学python数据分析与机器学习实战’，外加个人整理添加，仅供个人复习使用。

逻辑是：

1.定义sigmoid函数，目的是将函数值映射到概率；

2.定义model函数，将线性方程值带入sigmoid函数；

3.定义cost损失函数(似然函数变换得到)，目的是为了梯度下降求参；

4.定义梯度下降的不同迭代停止原则；

5.对比不同的梯度下降方法；

6.查看模型精度

导入数据

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

import warnings

warnings.filterwarnings('ignore')

#import os

#os.chdir('C:\\Users\\Administrator.PC-201912302019\\code')

file='LogiReg_data.txt'

pdData=pd.read_csv(file,header=None,

names=['Exam1','Exam2','Admit'])

print(pdData.shape)

pdData.head(2)

探索数据关系

pos=pdData[pdData.Admit==1]

neg=pdData[pdData.Admit==0]

fig,ax=plt.subplots(1,1,figsize=(10,5))

ax.scatter('Exam1','Exam2',data=pos,s=30,c='b',marker='o',label='Adimitted')

ax.scatter('Exam1','Exam2',data=neg,s=30,c='r',marker='x',label='Not Adimitted')

ax.legend()

ax.set_xlabel('Exam1 score')

ax.set_ylabel('Exam2 score')

逻辑回归主体

目标：建立分类器，求解三个参数

θ

0

θ

1

θ

2

\theta_0 \theta_1 \theta_2

θ

0

​

θ

1

​

θ

2

​

设定阈值，将预测的概率值转换为0-1，判断是否录取

要完成的模块

sigmiod:映射到概率的函数

model:返回预测结果值

cost:根据参数计算损失函数

gradient:计算每个参数的梯度方向

descent:进行参数更新

accuracy:计算精度

映射到概率的函数sigmoid()

#定义函数

def sigmoid(z):

return 1/ (1+np.exp(-z))

#设置小例子查看函数图像

nums=np.arange(-10,10,step=1) #步长为1,生成20个数字

print(len(nums))

print(nums,'\n',sigmoid(nums))

fig,ax=plt.subplots(figsize=(12,4))