算法笔记(11)逻辑回归算法及Python代码实现
逻辑回归算法是一种被广泛使用的分类算法,通过训练数据中的正负样本,学习样本特征到样本标签之间的假设函数。逻辑回归假设因变量 y 服从伯努利分布,而线性回归假设因变量 y 服从高斯分布。 因此与线性回归有很多相同之处,去除Sigmoid映射函数的话,逻辑回归算法就是一个线性回归。
优点:
(1)适合二分类问题,不需要缩放输入特征;
(2)内存资源占用小,因为只需要存储各个维度的特征值;
(3)训练速度快;
缺点:
(1)不能用逻辑回归去解决非线性问题,因为Logistic的决策面是线性的;
(2)准确率并不是很高,因为形式非常的简单(非常类似线性模型),很难去拟合数据的真实分布;
Python代码实现
# iterate over datasets
for ds_cnt, ds in enumerate(datasets):# iterate over classifiersfor name, clf in zip(names, classifiers):ax = plt.subplot(len(datasets), len(classifiers) + 1, i)clf.fit(X_train, y_train)score = clf.score(X_test, y_test)# Plot the decision boundary. For that, we will assign a color to each# point in the mesh [x_min, x_max]x[y_min, y_max].if hasattr(clf, "decision_function"):Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])else:Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]# Put the result into a color plotZ = Z.reshape(xx.shape)ax.contourf(xx, yy, Z, cmap=cm, alpha=.8)# Plot also the training pointsax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright,edgecolors='k')# and testing pointsax.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright,edgecolors='k', alpha=0.6)ax.set_xlim(xx.min(), xx.max())ax.set_ylim(yy.min(), yy.max())ax.set_xticks(())ax.set_yticks(())if ds_cnt == 0:ax.set_title(name)ax.text(xx.max() - .3, yy.min() + .3, ('%.2f' % score).lstrip('0'),size=15, horizontalalignment='right')i += 1plt.tight_layout()
plt.show()
输出结果如下图:
想要完整代码的朋友,可toutiao号搜索“编程研究坊”关注后s信我,回复“算法笔记11“免费获取
算法笔记(11)逻辑回归算法及Python代码实现相关推荐
- 机器学习基础算法四:逻辑回归算法实验
逻辑回归算法实验 一.逻辑回归介绍 逻辑回归是一种分类模型 z=WTX=w0+w1x1+w2x2+......+wnxnz =W^{T}X=w^{0}+w^{1}x^{1}+w^{2}x^{2}+.. ...
- 吴恩达《机器学习》课后测试Ex2:逻辑回归(详细Python代码注解)
基于吴恩达<机器学习>课程 参考黄海广的笔记 import numpy as np import pandas as pd import matplotlib.pyplot as plt ...
- DSML_分类算法笔记之逻辑回归模型
其他相关文章 DS&ML_关联分析笔记 DS&ML_分类算法笔记之支持自动机SVM模型 DS&ML_分类算法笔记之随机森林.梯度提升树.XGBoost模型 DS&ML_ ...
- 算法笔记(15)特征提取及Python代码实现
特征提取从初始的一组测量数据开始,并建立旨在提供信息和非冗余的派生值(特征),从而促进后续的学习和泛化步骤,并且在某些情况下带来更好的可解释性.本节主要讲述2种特征提取方法:PCA主成分分析法用于特征 ...
- 逻辑回归原理(python代码实现)
原文: https://blog.csdn.net/csqazwsxedc/article/details/69690655 Logistic Regression Classifier逻辑回归主要思 ...
- python实现逻辑回归算法_逻辑回归算法的实现
前言 在之前的学习中,我们已经学习了逻辑回归算法的具体数学原理及其简单的推导过程,现在,我们可以用python实现逻辑回归的算法了. 环境 python3.6 jupyter-notebook 绘制数 ...
- 收藏!!如何 Get 机器学习必备的算法技能? | 逻辑回归
本文是吴恩达老师的机器学习课程[1]的笔记和代码复现部分(逻辑回归). 作者:黄海广[2] 备注:笔记和作业(含数据.原始作业文件).视频都在github[3]中下载. 我将陆续将课程笔记和课程代码发 ...
- 机器学习算法平台alink_机器学习-逻辑回归算法
1-逻辑回归算法原理推导 逻辑回归算法其实是一个分类算法,是非常经典,优秀的算法.一般我们不知道用哪个分类算法的时候,首先用逻辑回归算法试一试:它不仅可以实现二分类算法,还可以解决多分类问题 逻辑回归 ...
- spark 逻辑回归算法案例_黄美灵的Spark ML机器学习实战
原标题:黄美灵的Spark ML机器学习实战 本课程主要讲解基于Spark 2.x的ML,ML是相比MLlib更高级的机器学习库,相比MLlib更加高效.快捷:ML实现了常用的机器学习,如:聚类.分类 ...
- CS229学习笔记(3)逻辑回归(Logistic Regression)
1.分类问题 你要预测的变量yyy是离散的值,我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法,这是目前最流行使用最广泛的一种学习算法. 从二元的分类问题开始讨论. 我们 ...
最新文章
- dede_arctype|栏目表
- pmp每日三题(2022年3月14日)
- MAVEN [ERROR] 不再支持源选项 5。请使用 7 或更高版本。
- 1亿以内素数的个数_神奇的素数
- Silverlight三维柱状图3D饼图的Silverlight图表组件案例
- 10个高效Linux技巧及Vim命令对比
- 微信小程序中带参数返回上一页的方法总结(三种)
- PostgreSQL 增量备份详解以及相关示例
- 关于scanf 函数,你很少了解的“秘密”
- 执行环境,作用域链,闭包
- 7个步骤:让JavaScript变得更好
- python的方向_Python Shell下方向键显示「^[[C^[[D」修复方法
- fopen()函数的文件模式
- Nginx 在 Linux 下安装与搭建 Tomcat 集群
- 脑洞大开!华为云桌面和无纸化会议系统结合会怎样?
- 阿里云盘小白羊版:支持满速上传下载的第三方阿里云盘客户端
- 边缘之战鸣枪 新华三蓄势待发
- 都2021年了,你不会还没掌握响应式网页设计吧?
- day-44(2)mysql
- 保险经纪人是什么鬼?