怎么理解并掌握Python邏輯回歸

這篇文章主要講解了“怎么理解并掌握Python邏輯回歸”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“怎么理解并掌握Python邏輯回歸”吧！

def sigmoid(x):定義sigmoid函數(shù)

return 1/(1+np.exp(-x))

進行邏輯回歸的參數(shù)設(shè)置以及迭代

def weights(x,y,alpha,thershold):
#初始化參數(shù)
m,n = x_train.shape
theta = np.random.rand(n) #參數(shù)
cnt = 0 # 迭代次數(shù)
max_iter = 50000
#開始迭代
while cnt < max_iter:
cnt += 1
diff = np.full(n,0)
for i in range(m):
diff = (y[i]-sigmoid(theta.T @ x[i]))*x[i]
theta = theta + alpha * diff
if(abs(diff)<thershold).all():
break
return theta

預(yù)測函數(shù)

def predict(x_test,theta):
if sigmoid(theta.T @ x_test)>0.5:
return 1
else:return 0

調(diào)用函數(shù)

x_train = np.array([[1,2.697,6.254],
[1,1.872,2.014],
[1,2.312,0.812],
[1,1.983,4.990],
[1,0.932,3.920],
[1,1.321,5.583],
[1,2.215,1.560],
[1,1.659,2.932],
[1,0.865,7.362],
[1,1.685,4.763],
[1,1.786,2.523]])
y_train = np.array([1,0,0,1,0,1,0,0,1,0,1])
alpha = 0.001 # 學(xué)習(xí)率
thershold = 0.01 # 指定一個閾值，用于檢查兩次誤差
print(weights(x_train,y_train,alpha,thershold))

感謝各位的閱讀，以上就是“怎么理解并掌握Python邏輯回歸”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對怎么理解并掌握Python邏輯回歸這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！