PyTorch深度学习入门 || 系列（五）——逻辑回归

0 写在前面

• 线性回归和非线性回归，它们的输出都是连续的。而逻辑回归的输出是二元离散，为了方便数字表达和计算，我们把这两种分类的结果分别记作0和1.

1 sigmoid函数

• sigmoid函数的定义域为R，但是值域在(0, 1)。
  
  

2 逻辑回归示例

1. 首先初始化一下数据，x = torch.cat((data0, data1), ).type(torch.FloatTensor)，是把data0和data1合并起来，得到1000*2个数据，对y的操作同理。
2. 分片操作：x.numpy()[:, 0]，是取出所有行的第0个元素。

import torch
import matplotlib.pyplot as plt

cluster = torch.ones(500, 2)  # 500行 2列
data0 = torch.normal(4*cluster, 2)
data1 = torch.normal(-4*cluster, 2)
label0 = torch.zeros(500)  # .size() 是[500]
label1 = torch.ones(500)

x = torch.cat((data0, data1), ).type(torch.FloatTensor)
y = torch.cat((label0, label1), ).type(torch.LongTensor)

plt.scatter(x.numpy()[:, 0], x.numpy()[:, 1], c=y.numpy(), s=10, lw