小编给大家分享一下python怎么实现梯度下降和逻辑回归，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
成都创新互联公司是专业的瓮安网站建设公司，瓮安接单;提供
成都网站设计、网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行瓮安网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!
具体内容如下
import numpy as np
import pandas as pd
import os
data = pd.read_csv("iris.csv") # 这里的iris数据已做过处理
m, n = data.shape
dataMatIn = np.ones((m, n))
dataMatIn[:, :-1] = data.ix[:, :-1]
classLabels = data.ix[:, -1]
# sigmoid函数和初始化数据
def sigmoid(z):
return 1 / (1 + np.exp(-z))
# 随机梯度下降
def Stocgrad_descent(dataMatIn, classLabels):
dataMatrix = np.mat(dataMatIn) # 训练集
labelMat = np.mat(classLabels).transpose() # y值
m, n = np.shape(dataMatrix) # m:dataMatrix的行数,n:dataMatrix的列数
weights = np.ones((n, 1)) # 初始化回归系数（n, 1)
alpha = 0.001 # 步长
maxCycle = 500 # 大循环次数
epsilon = 0.001
error = np.zeros((n,1))
for i in range(maxCycle):
for j in range(m):
h = sigmoid(dataMatrix * weights) # sigmoid 函数
weights = weights + alpha * dataMatrix.transpose() * (labelMat - h) # 梯度
if np.linalg.norm(weights - error) < epsilon:
break
else:
error = weights
return weights
# 逻辑回归
def pred_result(dataMatIn):
dataMatrix = np.mat(dataMatIn)
r = Stocgrad_descent(dataMatIn, classLabels)
p = sigmoid(dataMatrix * r) # 根据模型预测的概率
# 预测结果二值化
pred = []
for i in range(len(data)):
if p[i] > 0.5:
pred.append(1)
else:
pred.append(0)
data["pred"] = pred
os.remove("data_and_pred.csv") # 删除List_lost_customers数据集 # 第一次运行此代码时此步骤不要
data.to_csv("data_and_pred.csv", index=False, encoding="utf_8_sig") # 数据集保存
pred_result(dataMatIn)以上是“python怎么实现梯度下降和逻辑回归”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联成都网站设计公司行业资讯频道！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
新闻标题：python怎么实现梯度下降和逻辑回归-创新互联
文章转载：
http://www.cdkjz.cn/article/hpedc.html
