史上最直白的logistic regression教程 之 二
2015-11-17 15:02
701 查看
实现线性拟合
我们用python2.7实现上一篇的推导结果。请先安装python matplotlib包和numpy包。具体代码如下:
#!/usr/bin/env python #! -*- coding:utf-8 -*- import matplotlib.pyplot as plt from numpy import * #创建数据集 def load_dataset(): n = 100 X = [[1, 0.005*xi] for xi in range(1, 100)] Y = [2*xi[1] for xi in X] return X, Y #梯度下降法求解线性回归 def grad_descent(X, Y): X = mat(X) Y = mat(Y) row, col = shape(X) alpha = 0.001 maxIter = 5000 W = ones((1, col)) for k in range(maxIter): W = W + alpha * (Y - W*X.transpose())*X return W def main(): X, Y = load_dataset() W = grad_descent(X, Y) print "W = ", W #绘图 x = [xi[1] for xi in X] y = Y plt.plot(x, y, marker="*") xM = mat(X) y2 = W*xM.transpose() y22 = [y2[0,i] for i in range(y2.shape[1]) ] plt.plot(x, y22, marker="o") plt.show() if __name__ == "__main__": main()
代码超级简单,load_dataset函数创建了一个y=2x的数据集,grad_descent函数求解优化问题。
在grad_descent里多了两个小东西,alpha是学习速率,一般取0.001~0.01,太大可能会导致震荡,求解不稳定。maxIter是最大迭代次数,它决定结果的精确度,通常是越大越好,但越大越耗时,所以通常需要试算以下,也可以另外写一个判定标准,比如当Y−WXT小于多少的时候就不再迭代。
我们来看一下效果:
当maxIter=5时,拟合结果是这样的:
如果maxIter=50,拟合结果是这样的:
如果maxIter=500,拟合结果是这样的:
如果maxIter=1000,拟合结果是这样的:
如果maxIter=5000,拟合结果是这样的:
5000次的结果几乎完美,两条曲线图形重合。就酱。
本篇到此结束,下一篇,我们开始把logistic函数加进来,推导logistic regression。
相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- FREEBASIC 编译可被python调用的dll函数示例
- Python 七步捉虫法