Logistic回归,梯度上升算法理论详解和实现
2014-10-24 09:52
357 查看
经过对Logistic回归理论的学习,推导出取对数后的似然函数为
View Code
def gradAscent(dataMatIn, classLabels): dataMatrix = mat(dataMatIn) #convert to NumPy matrix labelMat = mat(classLabels).transpose() #convert to NumPy matrix m,n = shape(dataMatrix) alpha = 0.001 maxCycles = 500 weights = ones((n,1)) for k in range(maxCycles): #heavy on matrix operations h = sigmoid(dataMatrix*weights) #matrix mult error = (labelMat - h) #vector subtraction weights = weights + alpha * dataMatrix.transpose()* error #matrix mult return weights
View Code
相关文章推荐
- Logistic 回归与梯度上升算法
- 机器学习之logistic回归的梯度上升算法
- logistic回归梯度上升优化算法
- 机器学习之logistic回归的梯度上升算法
- [置顶] Python3《机器学习实战》学习笔记(六):Logistic回归基础篇之梯度上升算法
- 机器学习——分类算法4:Logistic回归 梯度上升 思想 和 代码解释
- Logistic回归基础篇之梯度上升算法
- 写程序学ML:Logistic回归算法原理及实现(三)
- Logistic 回归梯度上升优化函数
- 机器学习-Logistic回归之梯度上升法
- Logistic回归分类算法原理分析与代码实现
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- 写程序学ML:Logistic回归算法原理及实现(二)
- CART分类决策树、回归树和模型树算法详解及Python实现
- 机器学习之logistic回归算法的java实现
- 写程序学ML:Logistic回归算法原理及实现(一)
- 分类算法系列2----逻辑回归Logistic原理和Python实现
- Andrew Ng机器学习笔记+Weka相关算法实现(一)梯度下降与回归方法
- 机器学习:以二元决策树为基学习器实现梯度提升算法的回归分析
- [置顶] 《机器学习实战》学习笔记(四)之Logistic(上)基础理论及算法推导、线性回归,梯度下降算法