ML之LoR：利用LoR二分类之非线性决策算法案例应用之划分正负样本

ML之LoR：利用LoR二分类之非线性决策算法案例应用之划分正负样本

 

 

目录

输出结果

实现代码

---

 

 

 

输出结果

1、对数据集进行特征映射
2、正则化 → 正则化 → 过度正则化

 

实现代码

import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import PolynomialFeatures from scipy.optimize import minimize#加正则化项的损失函数 def costFunctionReg(theta, reg, *args):m = y.sizeh = sigmoid(XX.dot(theta))J = -1*(1/m)*(np.log(h).T.dot(y)+np.log(1-h).T.dot(1-y)) + (reg/(2*m))*np.sum(np.square(theta[1:]))if np.isnan(J[0]):return(np.inf)return(J[0])

 

 

 

 

 

 

 

 

 

总结

以上是生活随笔为你收集整理的ML之LoR：利用LoR二分类之非线性决策算法案例应用之划分正负样本的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。