这篇文章主要讲解了“怎么理解并掌握Python逻辑回归”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么理解并掌握Python逻辑回归”吧！

def sigmoid(x):定义sigmoid函数

return 1/(1+np.exp(-x))

进行逻辑回归的参数设置以及迭代

def weights(x,y,alpha,thershold):
#初始化参数
m,n = x_train.shape
theta = np.random.rand(n) #参数
cnt = 0 # 迭代次数
max_iter = 50000
#开始迭代
while cnt < max_iter:
cnt += 1
diff = np.full(n,0)
for i in range(m):
diff = (y[i]-sigmoid(theta.T @ x[i]))*x[i]
theta = theta + alpha * diff
if(abs(diff)
预测函数
def predict(x_test,theta):
if sigmoid(theta.T @ x_test)>0.5:
return 1
else:return 0
调用函数
x_train = np.array([[1,2.697,6.254],
[1,1.872,2.014],
[1,2.312,0.812],
[1,1.983,4.990],
[1,0.932,3.920],
[1,1.321,5.583],
[1,2.215,1.560],
[1,1.659,2.932],
[1,0.865,7.362],
[1,1.685,4.763],
[1,1.786,2.523]])
y_train = np.array([1,0,0,1,0,1,0,0,1,0,1])
alpha = 0.001 # 学习率
thershold = 0.01 # 指定一个阈值，用于检查两次误差
print(weights(x_train,y_train,alpha,thershold))
感谢各位的阅读，以上就是“怎么理解并掌握Python逻辑回归”的内容了，经过本文的学习后，相信大家对怎么理解并掌握Python逻辑回归这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
                                                

                                                名称栏目：怎么理解并掌握Python逻辑回归-创新互联                                                

                                                浏览路径：http://scpingwu.com/article/dshphj.html