实验一:Logistic 回归
介绍:
在本练习中,您将实现逻辑回归,并将其应用于两个不同的数据集。
实验文件说明:
ex2.py -
可以帮助您逐步完成练习的
Python
脚本
ex2 reg.py -完成后面部分的 Python 脚本
ex2data1.txt –
数据集
1
ex2data2.txt -
数据集
2
mapFeature.py -
生成多项式函数
plotDecisionBounday.py
绘制分类器的判定边界的函数
[*] plotData.py-
二维分类数据绘图函数
[*] sigmoid.py – Sigmoid
函数
[*] costFunction.py - Logistic 回归代价函数
[*] predict.py - Logistic 回 归 预 测 函 数
[*] costFunctionReg.py
正则
Logistic
回归代价函数
带
*
的函数有部分代码缺少需要你按照提示将代码补充完整。
在整个实验中,需要使用 python 脚本 ex2.py 和 ex2_reg.py。这两个 Python
脚本会调用数据集和你将要补充完整的函数。你不需要修改它们中的任何一个。
你只需按照本文档中的说明补充完整其它函数的代码。
1 逻辑回归
在本部分的实验中,你将构建一个逻辑回归模型来预测学生是否被大学录取。
假设你是一个大学部门的管理员,你希望根据每个申请人的两次考试成绩来
确定他们的录取机会。你有以前的申请人的历史数据,你可以用它作为逻辑回归
的训练集。
你的任务是建立一个分类模型,根据这两门考试的分数来估计申请人被录取
的概率。这个文档中的 ex2.py 代码将指导你完成这项练习。
1.1 数据 可视化
在开始执行任何学习算法之前,如果可能的话,最好将数据可视化。ex2.py
的第一部分时,代码将加载数据
ex2data1.txt
并通过调用函数 plotData 将其显
示在一个二维图形上。
现在,你需要将在 plotData 中完成代码,以便显示如图 1 所示的图形,其
中 x 和 y 轴代表的是两个考试分数,正示例和负示例用不同的标记显示。