logistic regression 논리 회귀 matlab 실현
12554 단어 matlab
Load Data
데이터 형식은 줄마다 하나의 예이고 마지막 열은 탭입니다.
fileName = 'xxx.txt';
data = load(fileName);
m = size(data, 1);
n = size(data, 2);
X = data(:, 1 : n - 1);
y = data(:, n);
Plot
여기에 나온 그림은 2차원 상황을 겨냥한 것이다.
plotData(X, y);
hold on;
xlabel('Exam 1 score')
ylabel('Exam 2 score')
legend('Admitted', 'Not admitted')
hold off;
plotData 함수, matlab 매트릭스 조작에 대한 작은 기술을 사용했습니다.
function plotData(X, y)
figure;
hold on;
pos = find(y == 1);
neg = find(y == 0);
plot(X(pos, 1), X(pos, 2), 'k+', 'LineWidth', 2, 'MarkerSize', 7);
plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y', 'MarkerSize', 7);
hold off;
end
Compute Cost and Gradient
다음 fminunc 함수에 대한costFunction 계산 방법을 제공합니다.여기, 온라인적 상황, 즉 저급 상황에서 분류 경계는 저급 함수로 하고 직접 일렬 1을 더하면 된다.분류 경계가 직선이 아닐 때 맵 피처 함수를 사용하여 원래 저차멱의 특징을 고차 조합으로 비출 수 있다.대가 함수를 계산할 때 비추는 횟수가 너무 높아서 의합이 생기는 것을 방지하기 위해 정규화 파라미터를 첨가하여theta를 제한한다.
%--- ---%
X = [ones(m, 1) X];
%--- ---%
%X = mapFeature(X(:,1), X(:,2));
initial_theta = zeros(size(X, 2), 1);
% , theta0 , costfunction 。 。
% lambda ,theta 。
lambda = 1;
[cost, grad] = costFunction(initial_theta, X, y, lambda);
fprintf('Cost at initial theta (zeros): %f
', cost);
mapFeature 함수
function out = mapFeature(X1, X2)
degree = 6;
out = ones( size( X1(:, 1) ) );
for i = 1 : degree
for j = 0 : i
out(:, end + 1) = (X1.^(i - j)) .* (X2 .^ j);
end
end
end
costFunction 함수
function [J, grad] = costFunction(theta, X, y, lambda)
m = length(y);
grad = zeros(size(theta));
J = 1 / m * sum( -y .* log(sigmoid(X * theta)) - (1 - y) .* log(1 - sigmoid(X * theta)) ) + lambda / (2 * m) * sum( theta(2 : size(theta), :) .^ 2 );
for j = 1 : size(theta)
if j == 1
grad(j) = 1 / m * sum( (sigmoid(X * theta) - y)' * X(:, j) ); else grad(j) = 1 / m * sum( (sigmoid(X * theta) - y)' * X(:, j) ) + lambda / m * theta(j);
end
end
end
sigmod 함수
function g = sigmoid(z)
g = zeros(size(z));
g = 1 ./ (1 + exp(-z));
end
Regularization and Accuracies
국경을 판정할 때 0.5로 판단하면 됩니다.
% GradObj-on costFunction cost grad
options = optimset('GradObj', 'on', 'MaxIter', 400);
% f = @(t)(...t...) 。
% f ,t , 。
f = @(t)(costFunction(t, X, y, lambda));
[theta, J, exit_flag] = fminunc(f, initial_theta, options);
% Plot Boundary
plotDecisionBoundary(theta, X, y);
hold on;
title(sprintf('lambda = %g', lambda))
% Labels and Legend
xlabel('Microchip Test 1')
ylabel('Microchip Test 2')
legend('y = 1', 'y = 0', 'Decision boundary')
hold off;
% Compute accuracy on our training set
p = predict(theta, X);
fprintf('Train Accuracy: %f
', mean(double(p == y)) * 100);
plotDecisionBoundary 함수
function plotDecisionBoundary(theta, X, y)
%PLOTDECISIONBOUNDARY Plots the data points X and y into a new figure with
%the decision boundary defined by theta
% PLOTDECISIONBOUNDARY(theta, X,y) plots the data points with + for the
% positive examples and o for the negative examples. X is assumed to be
% a either
% 1) Mx3 matrix, where the first column is an all-ones column for the
% intercept.
% 2) MxN, N>3 matrix, where the first column is all-ones
% Plot Data
plotData(X(:,2:3), y);
hold on
if size(X, 2) <= 3
% Only need 2 points to define a line, so choose two endpoints
plot_x = [min(X(:,2))-2, max(X(:,2))+2];
% Calculate the decision boundary line
plot_y = (-1./theta(3)).*(theta(2).*plot_x + theta(1));
% Plot, and adjust axes for better viewing
plot(plot_x, plot_y)
% Legend, specific for the exercise
legend('Admitted', 'Not admitted', 'Decision Boundary')
axis([30, 100, 30, 100])
else
% Here is the grid range
u = linspace(-1, 1.5, 50);
v = linspace(-1, 1.5, 50);
z = zeros(length(u), length(v));
% Evaluate z = theta*x over the grid
for i = 1:length(u)
for j = 1:length(v)
z(i,j) = mapFeature(u(i), v(j))*theta;
end
end
z = z'; % important to transpose z before calling contour
% Plot z = 0
% Notice you need to specify the range [0, 0]
contour(u, v, z, [0, 0], 'LineWidth', 2)
end
hold off
end
predic 함수
function p = predict(theta, X)
%m = size(X, 1);
%p = zeros(m, 1);
p = sigmoid(X * theta) >= 0.5;
end
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
【MATLAB】변수를 스크립트에 저장MATLAB에서 계산 결과를 저장할 때 MAT 파일, Excel 등의 파일에 저장하는 것이 좋을 것이라고 생각하지만 변수의 유형에 따라 스크립트에 내보낼 수 있습니다. MATLAB을 사용해 10년 정도가 됩니다만, ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.