【吴恩达机器学习】逻辑回归习题

最新推荐文章于 2024-08-25 04:14:55 发布

2024坚持到底

最新推荐文章于 2024-08-25 04:14:55 发布

阅读量545

点赞数 1

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/weixin_51444827/article/details/114686376

版权

这篇博客探讨了如何建立一个逻辑回归模型，基于学生的两次考试成绩来预测他们是否会被大学录取。利用历史数据作为训练集，目标是求解三个参数θ_0、θ_1、θ_2，以确定录取的分界线。通过设定阈值，如概率大于0.5视为录取，将预测概率转化为实际类别。

摘要由CSDN通过智能技术生成

建立一个逻辑回归模型来预测学生是否被大学录取。

根据每位申请者的两次考试成绩来确定他们的录取机会。有每位申请者的历史数据，可以用作Logistic回归的训练集。

目标：建立分类器（求解出三个参数θ_0、θ_1、θ_2），即得出分界线。

备注：θ_1对应’exam1’，θ_2对应’exam2’

设定阈值，根据阈值判断录取结果。

备注：阈值指最终得到的概率值，将概率值转化为一个类别。一般是>0.5被录取。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import classification_report # 评价报告

plt.style.use('fivethirtyeight') # 样式美化

data = pd.read_csv('ex2data1.txt',names=['exam1','exam2','admitted'])
# print(data.head())
# print(data.describe())

# 设置样式参数，默认主题darkgrid(灰色背景+白网格)，调色板 2色
# sns.set(context ='notebook',style = 'darkgrid',palette = sns.color_palette('RdBu',2),color_codes=False)
# sns.lmplot('exam1','exam2',hue='admitted',data=data,
#