动手实现Logistic Regression （c++）_数据

最新推荐文章于 2021-08-18 00:01:31 发布
最新推荐文章于 2021-08-18 00:01:31 发布
阅读量1.1k 收藏 1
点赞数
分类专栏： 机器学习 NLP
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xceman1997/article/details/17883283
版权

把原始样本数据贴出来，供需要的同学还原上面测试结果。

1 0 4 7
0 1 2 4 6
1 0 1 2 3 4 5 7 9
0 1 4 7
1 2 3 5 7 9
0 4 7 8 9
1 0 1 2 3 4 7
1 0 1 3 4 5 6 8 9
0 2 4 5 6 8 9
1 0 3 4
1 0 1 3 4 5 7
1 2 3 4 8 9
1 0 1 3 4 6 7 8
1 0 1 2 7 8
1 0 1 2 5 6 9
0 2 6 8
1 1 2 3 7 8 9
0 2 8
0 4 5 7 9
1 0 2 6 7 8 9
0 5 6 7
1 0 6 7 9
1 0 4 5 8 9
0 6 7 9
1 0 3 5 7 8
1 1 2 3 5 9
1 1 2 3 5 8
1 1 2 3 4 5 8 9
1 0 2 3 7
0 1 4 6 8 9
1 0 2 3 4 5 6 7 8
1 0 2 3 4 7
1 0 1 2 6 7 8 9
1 0 1 4 5 8
1 0 3 5 6 7 9
1 0 1 4 5 7 8 9
1 2 3 6 8
1 0 1 2 3 5
1 0 3 4 7
0 6 7 8 9
1 0 1 5 6 7 8 9
1 0 1 5 7 8
1 0 1 4 6 7 8
1 0 1 4 5 8
1 0 2 3 4 5 6 7 8
1 0 1 4 6 9
1 1 3 4 7 8 9
0 1 2 4 5 6 7 8 9
1 0 1 6 7 8
1 1 3 4 5 8
1 1 2 3 7 8 9
1 0 1 3 4 5 6 9
0 2 4 6 7 8 9
1 0 1 3 6 7 9
1 0 2 3 6 8
0 1 2 4 6 8
1 0 1 8
1 0 2 4 5 6
1 0 1 2 4 5 7 9
1 0 2 3 4 7
1 0 2 3 6 7 8
0 2 4 5 6
1 0 1 3 5 7
1 0 1 2 4 8 9
1 2 3 4 5
1 3 4 7
1 0 2 3 4 5 6 7 8 9
1 1 2 3 5 6 8
0 2 4 5 8 9
0 1 2 6 7
1 0 1 3 4 5 7 9
0 1 5 7
1 0 4 6 7 8
1 1 2 3 4 5 6 8
0 1 5 7 9
1 1 3 4 6 7 9
1 0 1 2 3 4 7 8 9
0 5 8
0 2 5 7 8
1 0 1 4 7 8
1 0 2 3 6 7 9
1 2 3 4 6
1 0 3 5 7
1 0 3 4 5
1 0 1 5 6 7 8 9
1 3 4 5 7 8 9
1 3 5 6
0 2 5 7 8 9
1 0 1 2 4 5 6 7 9
1 0 1 6 9
0 5 7 8
0 4 7 9
0 1 2 6 9
1 0 3 6 7 8 9
0 1 4 8 9
1 2 3 7 9
1 0 2 6 7 8
0 5 7 9
1 0 2 4 6 7
0 1 5 7 8 9
1 0 4 9
1 0 2 9
1 1 2 3 5 6
1 1 3 4 6 7 8 9
1 1 3 4 7 9
1 0 2 4 5 6 8 9
1 0 1 2 5 7 9
0 1 2 4 5 8
0 1 4 7 9
1 0 2 3 4 5 6 7
1 0 2 3 4 7 9
1 2 3 4 5 7 8
1 0 1 2 3 7
0 4 6 8
1 2 3 4 6 7 8 9
0 5 6 8 9
0 1 2 6 7 8 9
1 0 2 3 4 5 7 8 9
1 0 1 2 3 5 8
0 2 5 7 8 9
1 0 3 4 6 8 9
1 0 1 3 5 9
1 1 2 3 4 6
1 0 1 2 3 5 6 7 8
1 0 2 4 7 8
1 0 2 6 7
1 1 3 6 9
1 0 3 4 6 7
1 2 3 4 5
1 3 5 6 8
1 2 3 4 5 7 8
1 0 1 4 7 9
1 0 2 5 6 7 8
1 0 1 2 3 5 6 9
0 1 2 4 5 8 9
0 1 4 5 7 9
1 0 3 5 7 8 9
1 1 3 4 5 8 9
0 6 7 8 9
1 3 4 6 9
1 1 2 3 4 7
1 0 1 2 3 5 6 7 8 9
0 1 4 6 8 9
1 0 2 3 4 5 6 8 9
1 1 2 3 4 5 6 9
0 2 5 9
1 0 1 5 7 9
1 0 1 2 6
1 0 1 3 5 8
1 2 3 7 9
1 3
1 2 3 5 8
1 1 2 3 6 8
1 1 2 3 5 7
1 0 1 3 4 9
0 1 2 5
1 0 1 3 5 7
1 1 3 7
0 1 5 9
0 2 4 6 7 8 9
1 3 6 7 9
1 0 1 2 3 4 5 6 8
1 0 2 4 7 8
1 1 3 7 8
1 0 1 3 4 5 6 7 8 9
1 2 3 5
0 1 6 7 8 9
1 0 1 5 6 8 9
1 0 3 5 7
1 0 1 5 6 7
1 1 3 8 9
0 2 4 5 6 7 8
1 0 2 3 7 8
1 0 1 2 4 5 7 8
1 0 3 5 7 8
0 4 9
1 1 3 6
1 0 1 5 6 7 9
1 2 3 5 6 8 9
1 0 4 5 6 7
1 1 3 6 7
1 1 3 4 8 9
0 1 2 4 6 7 8 9
1 0 2 8
1 0 1 2 4 5 7 9
1 0 1 4 9
1 1 3 9
1 0 2 3 5 8 9
1 0 1 4 5
1 0 1 3 5 7 8
1 1 3 6 8 9
1 1 2 3 4 5 6 7 9
0 1 4 6 7 9
1 0 1 2 3 5 8 9
0 1 2 4 5 9
1 3 4 5 6
0 1 5 6 7
1 0 3 4 8
1 0 1 6 9
1 0 5 6 9
1 0 1 3 8 9
0 2 7 9
0 5 6 8 9
1 2 3 5 6 7 8
0 1 2 4 6 9
1 0 1 4 8 9
0 1 4 5 6 9
1 0 1 5 7
1 0 3 4 6 8
0 1 2 4 6 8 9
1 0 2 3 6 7 8
1 0 2 3 4 5 6 7 9
1 0 1 3 4 5 6 7
0 1 2 4 6 9
0 5 6
1 0 3 4 5 7 8
1 3 4 6 8
1 3 5 6 9
1 0 3 5 6 8
1 0 3 4 6
1 0 1 2 3 7
1 0 2 4 8
1 0 1 2 4 6 7
1 1 2 3 4 5 6 7 8 9
0 2 4 7 8 9
1 1 2 3 5 6 8 9
1 0 3
1 2 3 7
1 0 1 2 3 4 6 7 9
1 0 4
0 2 5 7 8
1 0 1 7 8
1 0 1 5
0 2 7 8 9
1 0 1 5 6 8 9
1 0 1 2 3 5 6 7 8
1 0 2 4 7 8 9
1 3 5 7 8 9
0 2 4 7 9
0 2 5 7
0 5 6
0 2 4 5 8
1 3 4 7 9
1 0 2 3 4 8 9
1 0 6 7 9
1 0 2 3 6 8 9
0 1 2 5 6
0 2 5 6 7
1 0 2 3 4 7 8 9
1 0 3 4 6 7 8 9
1 0 1 2 6 9
1 2 3 4 6 7 8
1 0 1 2 6 7 8
0 1 6 7 9
0 9
1 2 3 5 7 9
1 0 3 4 5 8 9
1 1 3 6 7 8 9
1 0 1 2 3 5 8
1 1 3 4 5 7 8
0 5 6 7 8 9
1 3 4 6 7
1 1 2 3 4 5 6 7 8
1 0 1 4 5 8 9
1 1 3 4 5 8 9
1 0 1 2 3 4 6 7 8
1 1 2 3 4 6 8
1 0 1 2 6
1 0 4 5 7
1 0 8
1 0
0 6 8
0 5 6 8
1 0 1 2 3 4 6 7 8 9
1 0 1 2 4 5 8 9
1 0 1 4 5 6 8
0 1 5 9
1 3 5 6 7 9
0 1 2 4 5 6 7
0 1 2 6 7 9
0 1 2 4 8
1 0 1 2
1 0 1 4 5 6 7
1 0 2 4 5 6 7
1 3 6 7 9
0 4 5 6 8
0 4 5 6 7 8 9
1 0 5
1 0 1 2 9
1 3 5 6 7 9
1 0 1 2 4 5 8
1 1 2 3 4 5 8 9
1 0 2 4 5 7
1 0 2 7
1 0 4 7 9
1 1 3 5 7 8
1 3 8 9
0 1 4 5 7 8
1 0 2
1 0 1 2 5 8
1 1 3 4 7 8
1 0
1 0 1 4 5 8 9
1 0 1 2 4 5 9
0 4 5 7 8
1 0 2
1 2 3 5 6 7 8
1 0 3 4 5 6 7
1 0 1 2 4 5 7 8 9
1 0 2 3 9
1 1 3 6 7
0 2 4 6 7
1 0 3 4 8 9
1 3 6 7 8
0 6 8 9
0 2 6 7
1 1 2 3 4 5 6
0 1 4 7 8 9
1 1 2 3 4 5 6 7 8 9
1 2 3 5 6 7 8 9
1 3 7 9
0 1 2 6 8 9
0 2 5 6 8
1 0 3 5 6 9
1 0 1 2 3 4 7 8
1 0 1 2 4 5 9
1 3 4 7 9
1 0 6 8
1 0 2 3 7
1 3 5 6
1 1 2 3 4 8 9
1 2 3 7 8 9
1 3 4 6
1 0 1 2 5 8
1 0 1 6 8
1 0 2 3 4 5
0 2 4 8
1 1 3 5 8
1 0 2 3 4 7 8 9
1 1 3 4 9
1 3 7 8 9
1 0 2 3 4 5 8 9
1 0 1 8 9
1 0 3 4 5 8
1 1 2 3 5 6 7 9
1 0 1 3
1 0 1 2 3 8
1 0 1 3 4 8 9
1 2 3 4 8 9
1 0 1 2 3 6 9
1 0 1 3 4 5
1 0 8 9
1 1 2 3 4 5 6 8
1 0 2 3 4 5 7 8
1 0 1 3 6 8
1 0 1 2 3 4 5 6 8 9
0 1 4 5 8 9
0 1 2 5 6 7
1 0 3 4
1 2 3 5 7
1 0 1 5 7 9
1 1 3 4
1 0 7
1 0 2 4 7
1 0 1 2 3 4 6 7 8
0 1 5 8
1 0 1 2 3 6 8
1 1 2 3 4 5 6
1 1 3 4 5 8
0 1 2 5 7 8
1 0 1 4 6 7 9
1 0 1 2 3 7
1 0 2 4 5 6 7 8
1 0 1 3 5 6 8
1 2 3 4 5
1 0 1 2 4 5 8 9
0 2 5 8
1 3 5 6 8 9
0 5 6 7 8
0 1 2 7 8 9
1 0 3 4 6 8
0 2 6 8 9
1 0 1 2 4 7 9
1 0 1 3 4 5 6 9
1 2 3 4 7 8 9
1 0 1 2 4 5 6 8 9
1 3 4 7 8 9
0 1 2 4 5 8
1 3 4 5 7
1 3 7 8 9
1 0 1 3 4 8
1 0 1 2 3 4

另，转载请注明出处：http://write.blog.csdn.net/postedit/17883283

xceman1997
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
c++实现LogisticRegression/用c++实现逻辑回归
qrqpjxq的博客
08-19 2308
欢迎使用Markdown编辑器写博客今天没事学习c++，试着用c++实现了一个简单的逻辑回归。 因为重在学习c++语法和逻辑回归的具体实现细节，因此没有用到向量化矩阵化等操作。 实现了GD SGD batch SGD三种梯度下降学习算法。 具体代码： logisticregression.hifndef LOGISTICREGRESSION_Hdefine LOGISTICREGRESSIO
logistic regression 实现
qq_50323694的博客
11-02 235
使用ucl中红酒的训练集合，用梯度下降法实现优化 import pandas as pd import numpy as np from sklearn import preprocessing import datetime class logistic_classfier(object): def __init__(self): self.col=0 #特征数量 self.ita=1e-2#缩减系数 self.label=[] .
动手实现Logistic Regression （c++）_实现
xceman1997的专栏
01-05 1973
模型实现起来，就两个主要任务：训练和预测。先看训练部分。函数的名字是TrainSGDOnSampleFile，写完整了就是“train the model by stochastic gradient descent on the file containing samples” ，算法就是SGD了（不是GD）。实现如下： // the sample format: classid featur
动手实现Logistic Regression （c++）_接口
xceman1997的专栏
01-05 2075
1. 初衷 从前求学的时候，大致了解logistic regression——原理、应用场合，等等。这段时间工作需要，又找了些资料，重新回顾了一下。一直以来我都有个观点：一个机器学习模型，如果没有一行行代码亲自实现过，就谈不上真正了解它。周末在家，啤酒音乐作伴，码了一个简单LR c++实现，贴出来供大家参考。 2.  限制 LR模型很简单，不过在具体应用的时候，还是有很多tric
DeepLearning/Logistic Regression/mnist 的C++实现
10-01
Deep learning 学习中，Logistic regression算法的mnist数字识别/分类的C++实现，原例子在http://deeplearning.net/tutorial/gettingstarted.html，采用python写的，原例子的主要数学工具是Theano。
第三次实现Logistic Regression（c++）_实现（一）
xceman1997的专栏
01-18 1668
1. scale 为什么要对输入数据做scale？在《再次实现Logistic Regression（c++）_实现和测试》给出的理由是这样一句话“由于sigmoid函数在计算机中的精度限制，我们必须对实值输入进行归一化处理。” 具体的来说，是指数函数exp在计算中的精度限制，才需要对数据进行处理。 scale的接口为 // scale all of the sample values an
Logistic_regression
qq_46013251的博客
08-18 82
Logistic回归模型logistic 分布二项 logistic 回归模型参数估计多项 logistic 回归模型源码 模型 logistic 分布 F(x)=P(X⩽x)=11+e−(x−μ)/γf(x)=F′(x)=e−(x−μ)/γγ(1+e−(x−μ)/γ)2 F(x) = P(\mathrm{X} \leqslant x) = \dfrac{1}{1 + e^{-(x-\mu)/\gamma}} \\[6pt] f(x) = F'(x) = \dfrac{e^{-(x-\mu)/\gamma}
LogisticRegression:(c++) 多元逻辑斯蒂回归，并实现随机梯度下降和L1L2正则化项
06-10
LogisticRegression 多元逻辑斯蒂回归，并实现随机梯度下降和L1/L2正则化项。 参照 在此基础上加入L1和L2 Regularization；关于逻辑斯蒂回归中的L1和L2正则化项详见以下两个链接: 并对输入格式进行泛化，例如可以对...
C++实现简单逻辑回归 Logistic Regression
codestrom04
06-16 1820
逻辑回归是非常经典的分类算法，通过sigmoid非线性函数实现的二分类器，关于函数原型、分类算法原理可参考： https://blog.csdn.net/u014258807/article/details/80616647 sigmoid函数定义为： 函数图形为： 其推导过程略，实现可参考github：https://github.com/codestorm04/Arma_ML...
logistic回归--手写识别实例的实现
05-10
在这个“logistic回归--手写识别实例的实现”项目中，我们将深入探讨如何使用Logistic回归来解决手写数字识别的问题。手写识别是模式识别领域的一个经典案例，常见于自动读取支票上的数字或移动设备的数字输入。 ...
C++实现回归算法(逻辑回归 线性回归)
03-17
C++实现回归算法, 包含线性回归和逻辑回归, 代码干净, 整洁, 有注释, 具有良好的封装性, 可直接迁移使用
Logistic Regression 分析代码简单实现
04-27
Logistic Regression 模型分析实现
动手实现Logistic Regression （c++）_测试
xceman1997的专栏
01-05 1304
承上文，接口有了，实现晚了，就找点儿数据测吧。整个过程是在windows vs2008下完成。 数据样例如下： 1 0 1 2 5 8 1 1 3 4 7 8 1 0 1 0 1 4 5 8 9 1 0 1 2 4 5 9 0 4 5 7 8 1 0 2 1 2 3 5 6 7 8 1 0 3 4 5 6 7 1 0 1 2 4 5 7 8 9 数据来源是从 http://komarix
再次实现Logistic Regression（c++）_实现和测试
xceman1997的专栏
01-11 1915
1. 实现 相比上面的实现，主要是随机梯度下降的算法代码稍有变动。变动后，模型训练实现如下： // the update formula is : theta_new = theta_old - dLearningRate * (dY - iClass) * dXi void LogisticRegression::UpdateThetaVec(Sample & theSample, do
动手实现Logistic Regression （c++）_测试_再次
xceman1997的专栏
01-06 1615
上文中招的数据集和有点儿小，再找个大点儿的尝试下。这次找的是libsvm的一个数据集合，预测是否是成年人的，共123个特征，训练集1605个样本，测试集30956个样本。原始数据可以从这个链接下载：http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html 数据样例： 0 5 7 14 19 39 40 51 6
Logistic Regression（c++）源代码下载
xceman1997的专栏
01-18 2026
把源代码上传到google code上去了。从前也没贡献过什么开源代码，这方面没什么经验，感觉google招牌大，就用它了。传上去，除了给共同学习者参考之外，还有一个作用就是给自己备份——很多时候自己很久以前写的东西，就想不起来放哪儿了。 代码project主页：http://code.google.com/p/logistic-regression-cplusplus/ 代码下载页：
【转载】logistic regression C++实现
xceman1997的专栏
12-19 1306
原文地址：http://www.cnblogs.com/wangbogong/archive/2013/06/11/3131838.html 在“逻辑斯特回归模型(logistic regression)”一文中阐述了logistic regression模型的理论基础，本节采用C++实现logistic regression。算法是由笔者跟我们老板一起合作完成(老板提供算法
logistic回归 c++ 实现
weixin_30892889的博客
01-09 655
　　logistic回归是统计学习中经典的分类方法，他属于对数线性模型。本博文主要给出logistic的c++实现，具体理论请读者自行google。 　　本文用到的数据集来自于一个医学网站，具体出处不记得了（非常歉意）。数据的格式如下： 　　10009 1 0 0 1 0 1　　10025 0 0 1 2 0 0　　20035 0 0 1 0 0 1　　20053 1 0 0 0 0 0...
第三次实现Logistic Regression（c++）_再尝试
xceman1997的专栏
01-20 1316
写了三个Logistic Regression的实现，发了好几篇博文，我都有点儿写上瘾了。 这一篇再进一步聊一下SGD的程序实现。从前的代码实现框架是这个样子： // the sample format: classid feature1_value feature2_value... bool LogisticRegression::TrainSGDOnSampleFile (
TypeError: LogisticRegression.__init__() takes 1 positional argument but 2 were given
最新发布
04-18
这个错误是由于在创建LogisticRegression对象时传递了多余的参数导致的。根据错误提示，LogisticRegression.__init__()方法只接受一个位置参数，但是你传递了两个参数。 可能的原因是你在创建LogisticRegression...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值