机器学习实战：基于ScikitLearn和TensorFlow

logistics回归测试数据集

用于logistics回归的测试数据集，其中logistics回归的Python实现和MATLAB实现在另一篇博文里

机器学习回归实战数据集

温州大学黄海广博士机器学习课程回归实战数据集。

testSet是用于机器学习的数据

testSet 主要作为人工智能中的机器学习里面的数据训练集

testSet.txt

包含聚类算法仿真数据，类似Iris数据，但是比Iris数据仿真之后的效果图好，可较好的看出准确与不准确的聚类效果的数据

logistic回归测试数据

与我的博客配套，具体参照我的博客文章简单易学的机器学习算法——Logistic回归

testSet.txt文件

机器学习实战读书笔记（三）：Logistic回归所用到的数据集

logistic回归数据集

logistic回归数据集logistic回归数据集logistic回归数据集

回归-数据集

来自机器学习，练习数据 data.csv job.csv longley.csv Delivery.csv

datingTestSet.txt

海伦收集约会数据，存放在文本文件datingTestSet.txt中，每个样本数据占据一行，总共有1000行。

海伦约会-datingTestSet.txt

k-邻近值算法中的海伦约会算法使用文档，datingTestSet.txt

机器学习-Logistic回归数据

机器学习-Logistic回归数据，只是为了我的博客提供链接下载。

机器学习-Logistic回归

机器学习中的Logistic回归算法的完整代码，包含梯度上升算法以及改进的随机梯度上升算法，包含了一个示例：从疝气病预测病马的死亡率。

机器学习实战Logistic回归举例数据

本资源是机器学习实战Logistic回归举例中的数据

Logistic回归机器学习模型

Logistic回归机器学习模型 •集成了Python的TensorFlow机器学习库，并构建了一个实现逻辑回归算法的深层人工神经网络。 •利用神经网络中必要的激活函数来解决二进制分类问题。 •使用实际数据集训练和评估机器学习模型。 •通过对新的结构化数据使用模型，实现了78％的准确性。

机器学习——Logistic回归.pdf

本人通过观看吴恩达机器学习视频所记录的笔记，比较潦草，有兴趣的可以看一看。 知识点概要： 1、分类 2、假设陈述 3、决策界限 4、代价函数 5、简化代价函数 6、多元分类

Logistic实战数据集

该数据集是针对本人博客Logistic实战配套使用的。

逻辑回归的测试数据集

https://blog.csdn.net/u013963380/article/details/82287696博客中使用测试的数据集。

线性回归数据集

.csv格式的线性回归的实验数据集，可以比较简单地拟合成一个直线。

logistic regression 超详细java代码 带 数据集

超详细的logistic regression java代码 带数据集,外文网站找了n天找到的

用于逻辑回归、神经网络等的数据集

用于逻辑回归、神经网络等的数据集，里面包含有猫的图像和不含猫的图像，用于图像二分类来识别猫。

Logistic回归案例（数据集+python代码）.zip

Logistic回归案例（数据集+python代码），包含完整案例数据集和代码，具体操作步骤，可以参看我的CSDN博客。

datingTestSet2.txt

这是博客机器学习 & python 使用k-近邻算法改进约会网站的配对效果配套的文本文件

iris数据集(txt)

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

鸢尾花数据集（txt格式，可直接使用）

Iris Plants Database ==================== Notes ----- Data Set Characteristics: :Number of Instances: 150 (50 in each of three classes) :Number of Attributes: 4 numeric, predictive attributes and the class :Attribute Information: - sepal length in cm - sepal width in cm - petal length in cm - petal width in cm - class: - Iris-Setosa - Iris-Versicolour - Iris-Virginica :Summary Statistics: ============== ==== ==== ======= ===== ==================== Min Max Mean SD Class Correlation ============== ==== ==== ======= ===== ==================== sepal length: 4.3 7.9 5.84 0.83 0.7826 sepal width: 2.0 4.4 3.05 0.43 -0.4194 petal length: 1.0 6.9 3.76 1.76 0.9490 (high!) petal width: 0.1 2.5 1.20 0.76 0.9565 (high!) ============== ==== ==== ======= ===== ==================== :Missing Attribute Values: None :Class Distribution: 33.3% for each of 3 classes. :Creator: R.A. Fisher :Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov) :Date: July, 1988

MNIST数据集对应的txt文件

MNIST数据集对应的txt文件MNIST数据集对应的txt文件MNIST数据集对应的txt文件MNIST数据集对应的txt文件

跟着Leo机器学习实战：Logistic回归

跟着Leo机器学习实战：Logistic回归 github https://github.com/LeoLeos/MachineLearningLeo/tree/master/logRegres Logistic回归 优点：计算代价不高，易于理解和实现 缺点：容易缺拟合，分类精度不高 适合数据类型：数值型和标称型数据 sigmoid函数以及目标 Logistic回归梯度上升优化算法训练参数 from numpy import * ''' 创建数据数组，和label数组 ''' def loadDataSet(): dataMat = []; labelMat = [] fr

Logistic回归总结（非常好的机器学习总结资料）

看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的LogisticRegression部分，写下此篇学习笔记总结一下。 首先说一下我的感受，《机器学习实战》一书在介绍原理的同时将全部的算法用源代码实现，非常具有操作性，可以加深对算法的理解，但是美中不足的是在原理上介绍的比较粗略，很多细节没有具体介绍。所以，对于没有基础的朋友（包括我）某些地方可能看的一头雾水，需要查阅相关资料进行了解。所以说，该书还是比较适合有基础的朋友。

Logistic回归_机器学习_朴素贝叶斯_

朴素贝叶斯算法，机器学习入门算法，内附python代码实现

机器学习__Logistic回归.pptx

机器学习

Python语言描述机器学习之Logistic回归算法

本文介绍机器学习中的Logistic回归算法，我们使用这个算法来给数据进行分类。Logistic回归算法同样是需要通过样本空间学习的监督学习算法，并且适用于数值型和标称型数据，例如，我们需要根据输入数据的特征值（数值型）的大小来判断数据是某种分类或者不是某种分类。 一、样本数据 在我们的例子中，我们有这样一些样本数据： 样本数据有3个特征值：X0X0，X1X1，X2X2 我们通过这3个特征值中的X1X1和X2X2来判断数据是否符合要求，即符合要求的为1，不符合要求的为0。 样本数据分类存放在一个数组中 我们在logRegres.py文件中编写如下函数来准备数据，并将数据打印观察一下： #co