机器学习(MACHINE LEARNING)MATLAB人口增长模型logistic参数确定
文章目录
- 1 Logistic函数(又称sigmoid函数)
- 2 logistic回归模型
- 3 logistic 人口增长模型的参数确定
1 Logistic函数(又称sigmoid函数)
Logistic函数或Logistic曲线是一种常见的S形函数,它是皮埃尔·弗朗索瓦·韦吕勒在1844或1845年在研究它与人口增长的关系时命名的。广义Logistic曲线可以模仿一些情况人口增长(P)的S形曲线。起初阶段大致是指数增长;然后随着开始变得饱和,增加变慢;最后,达到成熟时增加停止。
Logisitc模型是广义线性模型中的一类。常用于分类。在业界有相关广泛的应用。常见的如信用评分模型,用于判定某个人的违约概率。
2 logistic回归模型
logistic回归是用线性模型解决分类问题的算法
考虑现在有一个样本集合,样本特征有两维,要用一条直线作为这两类的分界线,如下图所示
也就是说logistic算法就是要找到这么一条直线,使得可以对样本进行分类。但是由于是分类问题,所以我们使用方差来度量模型就不合适了,这也正是logistic算法解决的问题。
3 logistic 人口增长模型的参数确定
当人口P(t)受限于极限值L时,它符合logistic曲线,具有形式P(t)=L/(1+ CAt))。对下列数据集求解参数A和C,L是已知的。
(a) (0,200),(1,400),(2,650)(3,850),(4,950); L=1000
function C=ispoly(X,Y,M)
n=length(X);
B=zeros(1:M+1);
F=zeros(n,M+1);
for k=1:M+1F(:,k)=X'.^(k-1);
end
A=F'*F;
B=F'*Y';
C=A\B;
C=flipud(C);
function Y=f(Y,L)
n=length(Y);
for i=1:n
Y(i)=logm((L/Y(i))-1);
end
function C=m(C)
C(1)=C(1);
C(2)=exp(C(2));
end
>> Y=f(Y,1000)Y =1.3863 0.4055 -0.6190 -1.7346 -2.9444>> X=[0,1,2,3,4]X =0 1 2 3 4>> C=ispoly(X,Y,1)C =-1.08021.4590>> C=m(C)C =-1.08024.3018
若只是类似此类: 给出数据,数据如下:-3 -1 1 315 5 1 5
则直接:
Ispoly函数:
function C=ispoly(X,Y,M)
%Input -X is the 1*n abscissea vector
% -Y is the 1*n ordinate vector
% -M is the degree of the least-squares polynomial
%Output -C is the coefficient list for the polynomial
n=length(X);
B=zeros(1:M+1);
F=zeros(n,M+1);
for k=1:M+1F(:,k)=X'.^(k-1);
end
A=F'*F;
B=F'*Y';
C=A\B;
C=flipud(C);
>> M=2
M =
2
>> X=[-3,-1,1,3]
X =
-3 -1 1 3
>> Y=[15,5,1,5]
Y =
15 5 1 5
C=ispoly(X,Y,M)
C =
0.8750-1.7000
2.1250
机器学习(MACHINE LEARNING)MATLAB人口增长模型logistic参数确定相关推荐
- 机器学习(Machine Learning)深度学习(Deep Learning)资料汇总
本文来源:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料集合
机器学习(Machine Learning)&深度学习(Deep Learning)资料 原文链接:https://github.com/ty4z2008/Qix/blob/master/dl ...
- (转)机器学习(Machine Learning)深度学习(Deep Learning)资料
原文链接:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- Re:从零开始的机器学习 - Machine Learning(一) 线性回归
从我对整个职业生涯的规划出发,我不仅想做一些高质量的应用(软件工程的角度),还想做一些激动人心的应用,所以我希望能在机器学习的方向走,尽管我在大学粗浅的学了些皮毛,但如果要把机器学习作为职业发展的话这 ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料(Chapter 2)
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2) - tony的专栏 - 博客频道 - CSDN.NET 注:机器学习资料篇目一共 ...
- 机器学习(Machine Learning)基础
机器学习(Machine Learning)基础 概念及用途 专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能.它是人工智能的核心,是使计 ...
- 机器学习 Machine Learning 深度学习 Deep Learning 资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
- 机器学习(Machine Learning)amp;深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
最新文章
- pyspatialite
- Servlet 获取IllegelStateException
- spring boot2.x使用rabbitmq
- MyBatis的一对和多对对和动态SQL
- android简单小项目_烤面筋怎么做到年入20万?小成本!大收益!简单易操作的好项目!...
- mysql 高效分页查询_PostgreSQL、MySQL高效分页方法探讨
- innodb存储引擎 - 锁
- html生成原理,Axure生成HTML的原理是什么?
- 判断一个变量是否是Array类型
- java中的集合_Java 集合介绍,常用集合类
- 40. MySQL的权限与安全
- 单片机实验(十一)单片机独立按键控制LED
- Unity技术手册 - 形状(Shape)子模块 - Cone椎体和Box盒及Mesh、MeshRenderer、SkinnedMeshRenderer
- 单片机C语言59秒计时器,0到59秒单片机秒表课程设计报告.doc
- CoreOS为Kubernetes量身打造分布式存储方案Torus
- 如何预防计算机病毒英语作文,电脑病毒的英文作文
- 星特朗望远镜怎么样_星特朗天文望远镜怎么样|使用体验
- rdd数据存内存 数据量_超全spark性能优化总结
- 移动WEB开发之响应式布局--阿里百秀首页案例
- NetBox v2.8下载使用指南