吴恩达机器学习作业二（逻辑回归）（详细python代码及解析（纯新手小白可入））
·
思路：
逻辑回归:实质为Rn−>0,1R^n->{0,1}Rn−>0,1的映射，
y=θTXy=\theta^TXy=θTX
P(y=1∣x)=11+e−θTX=hθ(X)P(y=1|x)=\frac{1}{1+e^{-\theta^{T}X}}=h_{\theta}(X)P(y=1∣x)=1+e−θTX1=hθ(X)
P(y=0∣x)=1−11+e−θTX=1−hθ(X)P(y=0|x)=1-\frac{1}{1+e^{-\theta^{T}X}}=1-h_{\theta}(X)P(y=0∣x)=1−1+e−θTX1=1−hθ(X)
Pi=hθ(X)Y(1−hθ(X))1−YP_{i}=h_{\theta}(X)^{Y}(1-h_{\theta}(X))^{1-Y}Pi=hθ(X)Y(1−hθ(X))1−Y
此处的代价函数时由极大似然的思想得来的
普通逻辑回归代码：
正则化逻辑回归：
无法使用普通的做法，需要feature mapping
如图是低维变高维
2维变1+2+…+7=7*8/2=28维
注：第一个θ不参与正则
决策边界：θTX=0\theta^TX=0θTX=0
正则化逻辑回归代码：
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)