制作网站民治,alex网站建设,注册公司怎样网上核名,网站备案 异地part1:数据的引入#xff0c;和前一个linear regression基本是一样 part2:数据解析——也就是数据的“规格化” 首先#xff0c;打算用dataMat[]和labelMat[]数据存储feature和label#xff0c;并且文件变量fr
然后#xff0c;是这个for line in fr.readlines()循环#…part1:数据的引入和前一个linear regression基本是一样 part2:数据解析——也就是数据的“规格化” 首先打算用dataMat[]和labelMat[]数据存储feature和label并且文件变量fr
然后是这个for line in fr.readlines()循环就是逐行的读取字符串到line中 比如上面的那个data.txt中的数据一行有3个数据用\t制表符进行分隔结果就是这个3个数据作为curLine[]这个一维数组中的3个数据
dataMat存储的是[1.0,curline[0],curline[1]]作为元素的数组总共15组
labelMat,存储的是curline[2]作为元素的数组,总共15组 part3:定义那个sigmoid function part4:通过输入dataMat 和 labelMat作为 训练集通过线性gradien descent计算出分割线的斜率 1具体的过程应该就是 如何通过训练集中的数据 计算出对应的 logistic regression的分割线的问题详细可以参考李宏毅老师的 logistic regression相关的代码
2里面的alpha是学习率可以通过设置不同的学习率和循环次数观察结果 part5:绘制出 需要测试的点的数据 并将label用颜色标出 最后画出由训练集得到的 分割线 part6:调用上述定义的函数并且得到最终的结果 其实这个代码和data.txt给的一点也不好
1它只有训练集最终的结果也只是在训练集上做的测试
2data.txt看着有15组数据其实只有5组都是重复的所以最终的图只有5个点
