机器学习实验二逻辑回归

实验二：逻辑回归

一、实验目的

实现 logistic 回归，并将其应用于两个不同的数据集。

二、实验环境

Window10，Octave

三、实验步骤/过程

1.逻辑回归：
1.1可视化数据：在plotData.m中添加代码：

1.2 Sigmoid 函数：在 sigmoid.m中添加代码：
g=1./(1+exp(-z));
1.3 代价函数和梯度：在costFunction.m 中添加代码：

1.4 使用 fminunc 学习参数
1.5评价逻辑回归：在predict.m中添加代码：

2.正则化逻辑回归：
2.1可视化训练集数据：使用 plotData 可视化数据集。
2.2特征映射：从每个数据点创建更多的特征以更好地拟合数据。
2.3代价函数与梯度：在 costFunctionReg.m中添加代码：

2.4绘制决策边界：已提供函数 plotDecisionBoundary.m可以绘制（非线性）决策边界将正反例分开，更好地可视化分类器学习的模型。

四、实验结果

1.1可视化数据：

1.3代价函数和梯度：

1.4 使用 fminunc 学习参数：

1.5评价逻辑回归：

2.1可视化训练集数据：

2.3代价函数与梯度：

2.4绘制决策边界：