机器学习算法实现01-逻辑回归的全过程

   在读这篇博文之前，你应该认真读过我之前的逻辑回归理论，里面涉及大量的推导你应该也明白，本篇博文着重将理论结合实际案例，将逻辑回归过程完全呈现出来，并得到最优解，并能根据最优解预测结果。

  因为涉及到公司业务问题，我不能将实际案例拿出来讲，但我将根据实际案例抽象出核心算法案例，如下图

  图中有7个坐标（x1,x2），当然在实际中通常是（x1,x2,x3 ......xn），不过没关系，2维和N维在数学上一样的处理，因为多维没法在纸上画出，所以为了方便起见，我选择2维案例进行说明。

现在我的需求是：根据图，将7个点分成2类，并根据分类情况判断第8个随机点属于哪个类。直接上代码，这段代码大致框架你应该也熟悉，可参阅我之前的博文。

根据：

编写代码：

输出：

则h（x）为：

代码虽然不多，但里面涉及大量高等数学运算，线性代数运算，以及数据的向量化，大家可以自己动手写一遍，你会明白很多。

预测一：

当我随机取第8个点（10,1）时：

可以看出随机点（10,1）在区域y=1（即区域B）的概率100%，即（10,1）在区域B。

成功预测

预测二：

当我随机取第9个点（2,10）时：

可以看出随机点（2,10）在区域y=1（即区域B）的概率无限接近0，即（10,1）在区域A。

成功预测

        本博文参阅斯坦福大学吴恩达（Andrew Ng）机器学习课程，同时感谢黄海广博士的指导，转载请标明出处