机器学习sklearn基础（1）：多元逻辑回归分类器（pcolormesh说明及绘图）

# -*- coding: utf-8 -*-'''
多元分类：逻辑回归分类器 并绘制pcolormesh伪彩图
sklearn.linear_model.LogisticRegression(solver='liblinear',C=正则强度)
'''
# pcolormesh(x, y, c=d, cmap='jet') cmap:渐变色映射plt.pcolormesh(...):a = np.array([1, 2, 3])b = np.array([-1, -2, -3, -4])a.shape, b.shapeOut[55]: ((3,), (4,))c = np.meshgrid(a, b); c       # c is a 'list', not 'numpy.array'Out[57]:                       # c[0]：沿行(axis=0)广播, 每一行元素跟上一行相同[array([[1, 2, 3],             # c[1]：沿列(axis=1)广播, 每一列元素跟上一列相同[1, 2, 3],             # (c[0],c[1])组成的坐标点(x,y)将覆盖并形成(1<=x<=3,-4<=y<=-1)区间组成的2*3的矩形[1, 2, 3],[1, 2, 3]]), array([[-1, -1, -1],[-2, -2, -2],[-3, -3, -3],[-4, -4, -4]])]c[0].shape, c[1].shapeOut[61]: ((4, 3), (4, 3))plt.pcolormesh(c[0], c[1], c=...)             # c[0]表示点横坐标，c[1]表示纵坐标对样本(c[0], c[1])周围（包括样本所在坐标）的四个坐标点进行着色，C代表着色方案# 点(c[0], c[1])所有坐标点如下：'''^|---1------2------3---->|-1  (1,-1) (2,-1) (3,-1)|-2  (1,-2) (2,-2) (3,-2)|-3  (1,-3) (2,-3) (3,-3)|-4  (1,-4) (2,-4) (3,-4)|'''

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 31 16:12:18 2018@author: Administrator
"""
'''
多元分类：逻辑回归分类器
sklearn.linear_model.LogisticRegression(solver='liblinear',C=正则强度)
'''import numpy as np
import matplotlib.pyplot as plt
import sklearn.linear_model as lm# train_set
x = np.array([[4, 7],[3.5, 8],[3.1, 6.2],[0.5, 1],[1, 2],[1.2, 1.9],[4, 2],[5.7, 1.5],[5.4, 2.2]])                                             # 散点[x,y]
y = np.array([0, 0, 0, 1, 1, 1, 2, 2, 2])                        # 多元分类 3类# 逻辑回归分类器
model = lm.LogisticRegression(solver='liblinear', C=50)          # C
model.fit(x, y)plt.figure('Logistic Classification', facecolor='lightgray')
plt.title('Logistic Classification', fontsize=14)
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.tick_params(labelsize=10)'''
pcolormesh参数设置：
'''
l, r, h = x[:, 0].min() - 1, x[:, 0].max() + 1, 0.005            # 左边界，右边界，水平方向点间距
b, t, v = x[:, 1].min() - 1, x[:, 1].max() + 1, 0.005            # 下边界，上边界，垂直方向点间距#print(np.arange(l, r, h).shape, np.arange(b, t, v).shape)       # (1440,) (1800,),shape不同，不能直接作为输入,转为
grid_x = np.meshgrid(np.arange(l, r, h), np.arange(b, t, v))     # (m-array,n-array)--> list(mat(m,n), mat(m,n))print(grid_x[0])                                                 # x[i, j]  (1800, 1440) <class 'numpy.ndarray'>
print(grid_x[1])                                                 # y[i, j]  (1800, 1440) <class 'numpy.ndarray'>
#print(grid_x[1].shape)                                          # (1800, 1440) <class 'numpy.ndarray'>
flat_x = np.c_[grid_x[0].ravel(), grid_x[1].ravel()]             # 保证输入散点的坐标点横纵坐标个数一样
flat_y = model.predict(flat_x)                                   # 输入栅格点阵坐标，模型预测输出的分类
grid_y = flat_y.reshape(grid_x[0].shape)                         # 分类标签：用做pcolormesh栅格着色的依据
print(grid_y)
#[[1 1 1 ... 2 2 2]             # 0, 1, 2 分别代表三种不同颜色
# [1 1 1 ... 2 2 2]
# [1 1 1 ... 2 2 2]
# ...
# [0 0 0 ... 0 0 0]
# [0 0 0 ... 0 0 0]
# [0 0 0 ... 0 0 0]]# pcolormesh: 伪彩图 pcolormesh(X, Y, C)
# X,Y均为2-D array,如果为1-D 会自动广播，X和Y构成网格点阵
# X,Y对应位置元素x[i,j]和y[i,j]组成一个坐标点(x[i,j],y[i,j])，对样本周围（包括样本所在坐标）的四
#个坐标点进行着色，C代表着色方案
plt.pcolormesh(grid_x[0], grid_x[1], grid_y, cmap='gray')       # gray_r 与gray的色带相反plt.scatter(x[:, 0], x[:, 1], c=y, cmap='brg', s=60)            # 颜色映射

机器学习sklearn基础（1）：多元逻辑回归分类器（pcolormesh说明及绘图）相关推荐

机器学习学习吴恩达逻辑回归_机器学习基础：逻辑回归
机器学习学习吴恩达逻辑回归 In the previous stories, I had given an explanation of the program for implementation ...
《人工智能》机器学习 - 第5章逻辑回归（四多元逻辑回归实战）
5.4多元逻辑回归实战 5.4.1多元逻辑回归实战之预测病马的死亡率本次实战内容,将使用Logistic回归来预测患疝气病的马的存活问题.原始数据集下载地址: http://archive.ics. ...
吴恩达《机器学习》学习笔记七——逻辑回归（二分类）代码
吴恩达<机器学习>学习笔记七--逻辑回归(二分类)代码一.无正则项的逻辑回归 1.问题描述 2.导入模块 3.准备数据 4.假设函数 5.代价函数 6.梯度下降 7.拟合参数 8.用训练 ...
sklearn专题五：逻辑回归
目录 1 概述 1.1 名为"回归"的分类器 1.2 为什么需要逻辑回归 2 linear_model.LogisticRegression 2.1 二元逻辑回归的损失函数 2.1 ...
逻辑回归分类器(linear_model.LogisticRegression)
文章目录前言逻辑回归分类器(linear_model.LogisticRegression) 1. 二元逻辑回归的损失函数 2. 重要参数penalty & C 2.1 正则化下面建立两 ...
逻辑回归分类器的决策边界可视化
最近在复盘机器学习的内容,课程中最基础的例子是利用sklearn中的LogisticRegression 来进行将数据进行分类训练,并画出决策边界,这是课程中的效果图, 下面来说一下我的程序: 首先加 ...
机器学习算法总结--线性回归和逻辑回归
1. 线性回归简述在统计学中,线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析.这种函数是一个或多个称为回 ...
吴恩达《机器学习》学习笔记五——逻辑回归
吴恩达<机器学习>学习笔记五--逻辑回归一. 分类(classification) 1.定义 2.阈值二. 逻辑(logistic)回归假设函数 1.假设的表达式 2.假设表达式的意义 ...
机器学习实战（四）逻辑回归LR（Logistic Regression）
目录 0. 前言 1. Sigmoid 函数 2. 梯度上升与梯度下降 3. 梯度下降法(Gradient descent) 4. 梯度上升法(Gradient ascent) 5. 梯度下降/上升法 ...
机器学习第四章之逻辑回归模型
逻辑回归模型 4.1 逻辑回归模型算法原理 4.1.1 逻辑回归模型的数学原理(了解) 4.1.2 逻辑回归模型的代码实现(重要) 4.1.3 逻辑回归模型的深入理解 4.2 案例实战 - 股票客户流 ...

机器学习sklearn基础（1）：多元逻辑回归分类器（pcolormesh说明及绘图）

机器学习sklearn基础（1）：多元逻辑回归分类器（pcolormesh说明及绘图）相关推荐

最新文章

热门文章

机器学习sklearn基础（1）：多元逻辑回归分类器 （pcolormesh说明及绘图）

机器学习sklearn基础（1）：多元逻辑回归分类器 （pcolormesh说明及绘图）相关推荐

最新文章

热门文章

机器学习sklearn基础（1）：多元逻辑回归分类器（pcolormesh说明及绘图）

机器学习sklearn基础（1）：多元逻辑回归分类器（pcolormesh说明及绘图）相关推荐