实现一元逻辑回归

最新推荐文章于 2024-05-12 05:30:09 发布

I will be here

最新推荐文章于 2024-05-12 05:30:09 发布

阅读量841

点赞数 1

分类专栏：笔记

本文链接：https://blog.csdn.net/weixin_45289300/article/details/112056649

版权

本文详细介绍了如何实现一元逻辑回归，从加载数据到数据处理，再到设置超参数和模型变量初始值，接着训练模型并进行可视化，最后对测试数据进行预测，得出预测结果。

摘要由CSDN通过智能技术生成

加载数据

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 加载数据
x = np.array([137.97,104.50,100.00,126.32,79.20,99.00,124.00,114.00,106.69,140.05,53.75,46.91,68.00,63.02,81.26,86.21])
y = np.array([1,1,0,1,0,1,1,0,0,1,0,0,0,0,0,0])

数据处理

# 数据处理
x_train = x - np.mean(x)  # 中心化，减去平均数
y_train = y

设置超参数

# 设置超参数
learn_rate =

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

I will be here

关注关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
打赏
0
评论
实现一元逻辑回归

加载数据import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# 加载数据x = np.array([137.97,104.50,100.00,126.32,79.20,99.00,124.00,114.00,106.69,140.05,53.75,46.91,68.00,63.02,81.26,86.21])y = np.array([1,1,0,1,0,1,1,0,0,1,0,0,0,0,0,0])
复制链接

扫一扫