av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術文章
文章詳情頁

python實現邏輯回歸的示例

瀏覽:59日期:2022-07-08 18:52:09

代碼

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets.samples_generator import make_classificationdef initialize_params(dims): w = np.zeros((dims, 1)) b = 0 return w, bdef sigmoid(x): z = 1 / (1 + np.exp(-x)) return zdef logistic(X, y, w, b): num_train = X.shape[0] y_hat = sigmoid(np.dot(X, w) + b) loss = -1 / num_train * np.sum(y * np.log(y_hat) + (1-y) * np.log(1-y_hat)) cost = -1 / num_train * np.sum(y * np.log(y_hat) + (1 - y) * np.log(1 - y_hat)) dw = np.dot(X.T, (y_hat - y)) / num_train db = np.sum(y_hat - y) / num_train return y_hat, cost, dw, dbdef linear_train(X, y, learning_rate, epochs): # 參數初始化 w, b = initialize_params(X.shape[1]) loss_list = [] for i in range(epochs): # 計算當前的預測值、損失和梯度 y_hat, loss, dw, db = logistic(X, y, w, b) loss_list.append(loss) # 基于梯度下降的參數更新 w += -learning_rate * dw b += -learning_rate * db # 打印迭代次數和損失 if i % 10000 == 0: print('epoch %d loss %f' % (i, loss)) # 保存參數 params = { ’w’: w, ’b’: b } # 保存梯度 grads = { ’dw’: dw, ’db’: db } return loss_list, loss, params, gradsdef predict(X, params): w = params[’w’] b = params[’b’] y_pred = sigmoid(np.dot(X, w) + b) return y_predif __name__ == '__main__': # 生成數據 X, labels = make_classification(n_samples=100, n_features=2, n_informative=2, n_redundant=0, random_state=1, n_clusters_per_class=2) print(X.shape) print(labels.shape) # 生成偽隨機數 rng = np.random.RandomState(2) X += 2 * rng.uniform(size=X.shape) # 劃分訓練集和測試集 offset = int(X.shape[0] * 0.9) X_train, y_train = X[:offset], labels[:offset] X_test, y_test = X[offset:], labels[offset:] y_train = y_train.reshape((-1, 1)) y_test = y_test.reshape((-1, 1)) print(’X_train=’, X_train.shape) print(’y_train=’, y_train.shape) print(’X_test=’, X_test.shape) print(’y_test=’, y_test.shape) # 訓練 loss_list, loss, params, grads = linear_train(X_train, y_train, 0.01, 100000) print(params) # 預測 y_pred = predict(X_test, params) print(y_pred[:10])

以上就是python實現邏輯回歸的示例的詳細內容,更多關于python 邏輯回歸的資料請關注好吧啦網其它相關文章!

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 日本久久精品视频 | 视频一区二区三区在线观看 | 99热成人在线 | 欧美一级免费 | 一级毛片视频在线 | 国产伦精品一区二区三区四区视频 | 欧美精品久久久久 | 91视频在线观看 | 精品福利一区二区三区 | 欧美色综合天天久久综合精品 | 最新黄色毛片 | 亚洲欧美激情视频 | 九九精品热 | av中文字幕在线 | 日韩欧美大片 | 久久久妇女国产精品影视 | 亚洲高清电影 | 91精品国产色综合久久 | 色婷婷亚洲一区二区三区 | 精品久久久久久 | 日韩精品 | 久久国产精品网站 | 香蕉视频久久久 | 中文字幕精品一区二区三区精品 | 亚洲 欧美 日韩 在线 | 91久久精品国产91久久 | 激情欧美一区二区三区中文字幕 | 久久久久国产一区二区三区四区 | 国产日韩欧美 | 欧美精品在线一区二区三区 | 中文字幕在线欧美 | 午夜精品影院 | 国产精品成人一区二区三区 | 欧美日韩高清 | 人人人艹 | 亚洲www啪成人一区二区麻豆 | 久久综合狠狠综合久久综合88 | 亚洲国产精品区 | 人人鲁人人莫人人爱精品 | 99热精品在线观看 | 色婷婷av一区二区三区软件 |